بناء نموذج شبكة عصبية اصطناعية (ANN) للتنبؤ بنتائج التحقق من المزادات بدقة 95%

في هذا المشروع، قمت بتطوير نموذج تعلم عميق (Deep Learning) متكامل باستخدام مكتبة TensorFlow لتحليل والتنبؤ بنتائج عمليات التحقق في المزادات بناءً على مجموعة من المعايير التقنية (مثل السعة، السعر، والوقت).

خطوات التنفيذ:

استكشاف البيانات (EDA): تحليل البيانات الأولية، معالجة القيم المفقودة، وفهم المتغيرات المؤثرة.

هندسة البيانات: تجهيز البيانات وتحويل المتغيرات المنطقية، مع تطبيق الـ (Feature Scaling) لضمان كفاءة النموذج.

بناء النموذج (Modeling): تصميم شبكة عصبية اصطناعية (Sequential Model) تتكون من طبقتين مخفيتين مع استخدام دالة التنشيط ReLU و Sigmoid.

تدريب النموذج: تم تدريب النموذج على 100 دورة (Epochs) مع استخدام Optimizer من نوع Adam.

التقييم: تقييم دقة النموذج باستخدام Confusion Matrix و Classification Report، حيث حقق النموذج دقة إجمالية بلغت 94.8%.