Loan Approval prediction App

مشروع: نظام ذكي لتوقع قبول القروض البنكية

قمت بتطوير نموذج ذكاء اصطناعي قادر على التنبؤ بإمكانية قبول القرض بناءً على بيانات العملاء.

بدأت بتحليل البيانات واستكشافها (EDA) لاكتشاف الأنماط والعلاقات المهمة، ثم قمت بتهيئة البيانات من خلال تشفير القيم النصية (Label Encoding) وتوحيد القيم العددية (Scaling).

بعد ذلك قمت بتقسيم البيانات إلى مجموعات للتدريب والاختبار، وجربت عدة خوارزميات مثل Logistic Regression وRandom Forest وXGBoost وSVM وDecision Tree.

النتائج أظهرت أن خوارزمية Decision Tree هي الأفضل، حيث حققت دقة 98% و F1-score = 0.99 مع توازن ممتاز بين الدقة والاستدعاء.

في النهاية، أنشأت واجهة تفاعلية باستخدام Streamlit تتيح للمستخدم إدخال بيانات العميل والحصول على التوقع مباشرة بطريقة جذابة وسهلة الاستخدام.

? المهارات والأدوات المستخدمة:

Python – Pandas – NumPy – Scikit-learn – XGBoost – Matplotlib – Streamlit – EDA – Data Preprocessing – Machine Learning Models – Model Evaluation