تحليل بيانات الطلاب والتنبؤ بالأداء الأكاديمي باستخدام Machine Learning

قمت بتطوير لوحة تحليل بيانات تفاعلية لتحليل أداء الطلاب والتنبؤ بمستوى الأداء الأكاديمي باستخدام تقنيات تعلم الآلة.

يعتمد المشروع على تحليل بيانات نتائج الطلاب واكتشاف الأنماط والعوامل المؤثرة في الأداء الدراسي، ثم استخدام نموذج تعلم آلة للتنبؤ بمتوسط درجات الطالب بناءً على مجموعة من الخصائص مثل:

- الجنس

- الجنسية

- مستوى تعليم الوالدين

- نوع الوجبة

- التحضير للاختبار

- درجات الرياضيات والقراءة والكتابة

يتضمن المشروع لوحة تحكم تفاعلية مبنية باستخدام Streamlit تسمح للمستخدم بـ:

• استعراض البيانات وتحليلها بصريًا

• استكشاف العلاقات بين المتغيرات المختلفة

• اختيار أنواع مختلفة من الرسوم البيانية

• إدخال بيانات طالب جديد للحصول على توقع للأداء الأكاديمي

• فهم العوامل المؤثرة في التنبؤ عبر Feature Importance

التقنيات المستخدمة في المشروع:

Python

Pandas

NumPy

Scikit-learn

Streamlit

Plotly

Matplotlib

Seaborn

تم تدريب نموذج Random Forest للتنبؤ بمتوسط درجات الطلاب، مع توفير واجهة استخدام تفاعلية لعرض النتائج وتحليل البيانات.

هذا المشروع يمثل تطبيقًا عمليًا كاملًا لعلم البيانات وتعلم الآلة بدءًا من معالجة البيانات وصولًا إلى بناء نموذج تنبؤي ونشره عبر واجهة تفاعلية.