Facebook-engagement-predict

قمت ببناء بايبلاين متكامل (end-to-end pipeline) للتنبؤ بمستويات التفاعل (Engagement) على منشورات فيسبوك باستخدام تقنيات تعلم الآلة.

خطوات العمل:

تنظيف البيانات والتحليل الاستكشافي (EDA):

فهم أنماط التفاعل وتحليل اتجاهات المشاركة على المنشورات.

المعالجة المسبقة (Preprocessing):

ترميز المتغيرات الفئوية باستخدام Label Encoding.

تطبيع القيم الرقمية باستخدام MinMax Scaler.

التجميع (Clustering) باستخدام KMeans:

اكتشاف الأنماط المخفية وتصنيف المنشورات إلى ثلاث مجموعات:

تفاعل منخفض (Low Engagement)

تفاعل متوسط (Medium Engagement)

تفاعل عالي (High Engagement)

التصنيف (Classification) باستخدام Random Forest:

التنبؤ بمستوى التفاعل للمنشورات الجديدة اعتمادًا على المجموعات المكتشفة.

النشر (Deployment) عبر Streamlit:

واجهة تفاعلية تسمح للمستخدمين بإدخال تفاصيل المنشور (النوع، عدد الإعجابات، التعليقات، المشاركات، التفاعلات) والحصول على التنبؤ مباشرة.

الأدوات المستخدمة:

Python

Pandas, NumPy

Scikit-learn

Matplotlib / Seaborn (لـ EDA)

Streamlit