Machine Learning Project | Predicting Irrigation Need (Kaggle Competition)

مشروع احترافي في مجال تعلم الآلة (Machine Learning) يهدف إلى التنبؤ بمستوى احتياج الري (منخفض / متوسط / مرتفع) اعتمادًا على بيانات زراعية وبيئية حقيقية، وذلك لدعم اتخاذ قرارات ذكية تساهم في ترشيد استهلاك المياه وتحقيق الاستدامة الزراعية

**فكرة المشروع:**

تحليل البيانات الزراعية (مثل الطقس، التربة، وغيرها) لبناء نموذج تصنيفي قادر على تحديد احتياج النباتات للري بدقة عالية.

**ما تم تنفيذه:**

* تنظيف ومعالجة البيانات (Data Cleaning & Preprocessing)

* إنشاء وتحسين الخصائص (Feature Engineering)

* التعامل مع عدم توازن البيانات (Class Imbalance)

* تدريب وتجربة عدة نماذج تعلم آلة

* تحسين الأداء باستخدام Hyperparameter Tuning

* تقليل مشكلة الـ Overfitting باستخدام Early Stopping

* مقارنة بين نماذج التعلم العميق و XGBoost و LightGBM

**النماذج المستخدمة:**

* Deep Neural Network باستخدام TensorFlow / Keras

* XGBoost Classifier

* LightGBM Classifier

**النتائج:**

تم تحقيق دقة عالية وصلت إلى **96.3%** على منصة Kaggle، مما يعكس كفاءة النموذج وقابليته للتطبيق في الواقع.

**أهمية المشروع:**

يساعد هذا المشروع في:

* تقليل استهلاك المياه

* تحسين كفاءة الري

* دعم الزراعة الذكية والمستدامة

**مناسب لـ:**

* المشاريع الزراعية الذكية

* أنظمة إنترنت الأشياء (IoT) في الزراعة

* الشركات المهتمة بالتحول الرقمي الزراعي

**مميزات المشروع:**

* دقة عالية وأداء قوي

* قابل للتطوير والتطبيق على بيانات حقيقية

* يعتمد على أحدث تقنيات الذكاء الاصطناعي

---