Cellula Technologies ML projects
تفاصيل العمل
وصف المشروع:
مجموعة من المشاريع المتقدمة التي تجمع بين علم البيانات وتطوير تطبيقات الويب. المشروع الأول يهدف إلى تنبؤ إلغاء حجوزات الفنادق، والمشروع الثاني يهدف إلى تقدير تكلفة رحلات Uber. لم يتم الاكتفاء ببناء النماذج فقط، بل تم تطوير واجهات برمجية وتطبيقات ويب كاملة للسماح للمستخدمين بإدخال البيانات والحصول على التوقعات فوراً.
طريقة التنفيذ والأدوات المستخدمة:
اللغات والمكتبات الأساسية: تم استخدام لغة Python مع مكتبات Scikit-learn لبناء النماذج التنبؤية، و Pandas لمعالجة البيانات.
إطار عمل مشروع Hotel Booking (Flask):
تم استخدام Flask لبناء تطبيق خفيف وسريع (Lightweight Application).
تم تحويل نموذج التنبؤ إلى واجهة برمجية (API) تستقبل بيانات الحجز وترد باحتمالية الإلغاء فوراً.
مثالي لعرض النتائج المباشرة لقواعد البيانات الضخمة.
إطار عمل مشروع Uber Fare (Django):
تم استخدام Django لبناء نظام متكامل وأكثر تعقيداً لتقدير الأجرة.
تم استغلال قوة Django في إدارة البيانات والأمان لضمان معالجة إحداثيات المواقع الجغرافية (Geospatial data) وحساب المسافات بدقة.
الخوارزميات المستخدمة: * استخدام Random Forest Regressor لمشروع Uber وتطبيق معادلة Haversine لحساب المسافات.
استخدام XGBoost أو Logistic Regression لمشروع الفنادق لتحقيق أعلى دقة في التصنيف.
3. Predictive Web Applications (Hotel Booking & Uber Fare Prediction)
Project Description:
A series of advanced projects combining Data Science with Web Development. The goal was not only to build predictive models for Hotel Booking Cancellations and Uber Fare Estimation but also to deploy them as functional web applications where users can receive real-time predictions based on their inputs.
Implementation Methodology & Tools:
Core Stack: Developed using Python, leveraging Scikit-learn for machine learning and Pandas for data engineering.
Hotel Booking Project (Flask):
Deployed the predictive model using Flask, creating a lightweight and responsive web service.
Built an API that processes booking parameters and returns a "Cancellation Probability" instantly.
Uber Fare Project (Django):
Implemented the solution within the Django framework to handle complex data structures and ensure scalability.
Managed geospatial data processing (calculating distances between coordinates) within a robust Django backend.
Algorithms & Logic: * Used Random Forest Regressor for Uber price estimation, incorporating the Haversine formula for distance calculation.
Employed Classification Algorithms for the hotel project to effectively categorize booking outcomes.