(AI-Powered Employee Attrition Prediction: IBM HR Analytics via Deep Learning

هذا المشروع يهدف إلى حل واحدة من أكبر تحديات إدارة الموارد البشرية وهي توقع استقالة الموظفين قبل حدوثها. من خلال تحليل بيانات IBM التاريخية، يقوم النظام بتحديد العوامل المؤثرة في قرار الموظف بالبقاء أو الرحيل باستخدام تقنيات متقدمة في التعلم العميق.الأهداف الأساسية:الحد من دوران العمالة (Attrition): مساعدة الشركات على اتخاذ إجراءات استباقية للحفاظ على الكفاءات والمواهب.تحليل العوامل المؤثرة: فهم العلاقة بين المتغيرات (مثل الراتب، الرضا الوظيفي، ساعات العمل الإضافية) وقرار الاستقالة.التفاصيل التقنية (Technical Details):بنية الشبكة العصبية (Neural Network Architecture):تم بناء نموذج Sequential متطور يركز على الكفاءة ومنع الإفراط في التعلم (Overfitting).طبقات كثيفة (Dense Layers): تتدرج من 128 إلى 64 ثم 32 نيورون.منع التعقيد الزائد (Regularization): تم دمج طبقات Dropout بنسب (0.3 و 0.2) لضمان قدرة النموذج على العمل بدقة مع بيانات جديدة غير التي تدرب عليها.طبقة الخرج: تستخدم دالة Sigmoid للتصنيف الثنائي (بقاء/رحيل).إدارة التدريب:استخدام مُحسن Adam بمعدل تعلم $0.001$.تفعيل تقنية EarlyStopping لمراقبة الأداء وإيقاف التدريب عند أفضل نقطة ممكنة لاستعادة أفضل الأوزان (Restore Best Weights).معايير التقييم: لا يعتمد المشروع على الدقة (Accuracy) فقط، بل يقيس الأداء عبر F1-Score و AUC-ROC لضمان دقة النتائج حتى في حال عدم توازن البيانات.الأدوات المستخدمة:البيانات والرسوم: Pandas, Matplotlib, Seaborn.التعلم الآلي: TensorFlow/Keras لبناء الشبكات العصبية، و Scikit-learn لتقييم النتائج.