بناء نموذج توقع قبول القرض للبنوك

يهدف هذا المشروع إلى تطوير نموذج تعلم آلى قادر على التنبؤ باحتمالية قبول أو رفض طلب القرض بناءً على بيانات العملاء مثل الدخل، الحالة الوظيفية، التاريخ الائتمانى، والخصائص المالية الأخرى. يساعد هذا النموذج المؤسسات المالية على اتخاذ قرارات أسرع وأكثر دقة، وتقليل المخاطر المرتبطة بمنح القروض للعملاء غير المؤهلين.

يركز المشروع على بناء Pipeline متكامل يشمل تحليل البيانات، معالجة القيم المفقودة، هندسة الخصائص، تدريب عدة نماذج تعلم آلى، وتحسين الأداء للوصول إلى أفضل نموذج قادر على التنبؤ بدقة عالية.

ما تم تنفيذه فى المشروع

إجراء تحليل استكشافى شامل للبيانات (EDA) لفهم خصائص العملاء والعوامل المؤثرة على قبول القرض

معالجة البيانات المفقودة والقيم الشاذة لضمان جودة البيانات

تنفيذ Feature Engineering لاستخراج الخصائص الأكثر تأثيراً

تحويل البيانات الفئوية إلى بيانات رقمية باستخدام Encoding

تدريب عدة نماذج تعلم آلى مثل:

Logistic Regression

Random Forest

Gradient Boosting

XGBoost

تحسين أداء النماذج باستخدام Hyperparameter Tuning

تقييم النماذج باستخدام مقاييس مثل:

Accuracy

Precision

Recall

F1-score