اكتشاف الكواكب الخارجية باستخدام بيانات NASA (Kepler & TESS)

نموذج تعلم آلي يعتمد على بيانات بعثتي NASA Kepler و TESS للتنبؤ بوجود كواكب خارجية (Exoplanets) باستخدام طريقتين أساسيتين فقط:

XGBoost Classifier

Logistic Regression

المشروع يشمل تحليل البيانات، استخراج المزايا، تدريب النماذج، بناء Ensemble بسيط، ونشر واجهة API تتيح رفع ملفات CSV وتدريب النموذج تلقائياً أو استخدام النموذج الجاهز.

مميزات العمل:

تنظيف ومعالجة بيانات NASA

تدريب نموذجين: XGBoost + Logistic Regression

نشر النظام باستخدام FastAPI

تفعيل واجهة Swagger تسمح للباحثين بـ:

رفع ملف CSV

تدريب النموذج

استخدام النموذج الجاهز

الحصول على النتائج مباشرة

كيف يعمل النموذج؟

يقوم المستخدم أو الباحث برفع ملف CSV يحتوي على خصائص النجم والبيانات المرصودة.

النظام يحلل البيانات ويستخدم نموذجين:

Logistic Regression للنمذجة الخطية

XGBoost لالتقاط الأنماط غير الخطية

يتم دمج النموذجين داخل Ensemble باستخدام التصويت الاحتمالي Soft Voting.

يستطيع المستخدم:

تدريب النموذج من جديد

أو استخدام النموذج الجاهز للتنبؤ بجميع الصفوف الجديدة