End-to-End-Student-Lifestyle-Analytics

قمت في هذا المشروع برحلة متكاملة لتحليل بيانات 100,000 طالب لفهم العوامل المؤثرة على الصحة النفسية وتوقع حالات الاكتئاب بناءً على نمط الحياة اليومي.

المهام التي قمت بها:

معالجة البيانات الضخمة: تنظيف ومعالجة قاعدة بيانات ضخمة (100 ألف سجل) باستخدام Python لضمان جودة التحليل.

التحليل التنبؤي (Machine Learning): بناء وتدريب عدة نماذج ذكاء اصطناعي (XGBoost, Random Forest, SVM) وتطويرها للتعامل مع اختلال توازن البيانات (Class Imbalance) لرفع دقة اكتشاف الحالات المصابة.

ذكاء الأعمال (Business Intelligence): تصميم لوحة تحكم (Dashboard) تفاعلية واحترافية باستخدام Power BI، تتيح لصناع القرار مراقبة المؤشرات الحيوية وفهم الارتباط بين ساعات النوم، التوتر، والمعدل الدراسي.

النتائج المحققة:

الوصول لنموذج تنبؤي قادر على تحديد الطلاب المعرضين للخطر بدقة عالية.

استخراج رؤى استراتيجية توضح تأثير النوم (أقل من 6 ساعات) والتوتر الدراسي على الصحة النفسية.

تقديم تقرير بصري يسهل فلترة البيانات حسب القسم، الجنس، والمعدل الدراسي بضغطة زر واحدة.