برمجة خوارزمية الانحدار الخطي رياضياً من الصفر (بدون Scikit-Learn) مع CI/CD

مشروع برمجي متقدم قمت فيه ببناء خوارزمية الانحدار الخطي (Linear Regression) من الصفر باستخدام لغة Python ومكتبة NumPy فقط، دون الاعتماد على مكتبات تعلم الآلة الجاهزة مثل Scikit-Learn. تم تصميم هذا المشروع ليكون بجودة الإنتاج (Production-Quality)، حيث يجمع بين الدقة الرياضية، الكود النظيف (Clean Code)، وهيكلة برمجية احترافية.

هذا العمل يثبت الفهم العميق للأسس الرياضية لخوارزميات الذكاء الاصطناعي، بالإضافة إلى مهارات هندسة البرمجيات المتقدمة مثل كتابة الاختبارات والأتمتة.

أهم مميزات وخصائص المشروع:

خوارزميات الحل (Solvers): دعم طريقتي (Gradient Descent) و (Normal Equation).

تقنيات التنظيم (Regularization): تضمين تقنيات (L1 Lasso) و (L2 Ridge) لضمان تعميم النموذج ومنع التخصيص الزائد (Overfitting).

مقاييس التقييم الشاملة (Metrics): برمجة أدوات قياس دقة النموذج من الصفر مثل (MSE, MAE, RMSE, R², Adjusted R², MAPE).

معالجة البيانات (Preprocessing): بناء أدوات تجهيز البيانات الخاصة بالمشروع مثل (StandardScaler, MinMaxScaler) وتقسيم البيانات (train_test_split).

التحليل البصري (Visualization): أدوات مدمجة لرسم وتصور أداء النموذج، الأخطاء (Residuals)، وتاريخ التكلفة (Cost History).

هندسة البرمجيات والاختبارات (Testing): تغطية كود المشروع بأكثر من 30 اختبار وحدة (Unit Tests) باستخدام إطار عمل pytest لضمان موثوقية الكود.

التكامل والتوصيل المستمر (CI/CD): إعداد مسارات عمل GitHub Actions لاختبار الكود آلياً عبر إصدارات بايثون المختلفة (3.8 - 3.11).

الهيكلة: تمت هيكلة المشروع كحزمة بايثون (Python Package) احترافية قابلة لإعادة الاستخدام والتطوير.