ChurnRadar

مشروع Data Science كامل لحل مشكلة حقيقية بتكلف شركات الاتصالات ملايين الدولارات سنويًا (فقدنا في تحليلنا ~2.86 مليون دولار بسبب الـ churn وحده):

تحليل استكشافي (EDA): دراسة أنماط التسرب حسب نوع العقد، مدة الاشتراك، نوع خدمة الإنترنت، وطريقة الدفع، مع استخراج رؤى عملية (مثلاً: عملاء العقد الشهري وحديثي الاشتراك هم الأكثر عرضة للمغادرة).

معالجة البيانات: التعامل مع القيم الناقصة، الترميز (Encoding) للمتغيرات الفئوية، وتوحيد المقاييس العددية.

بناء ومقارنة النماذج: تجربة 5 خوارزميات مختلفة (Logistic Regression, Naive Bayes, SVM, Random Forest, XGBoost) ثم دمجها كلها في نموذج Stacked Ensemble واحد.

معالجة عدم توازن البيانات: استخدام SMOTE وHyperparameter Tuning لتحسين قدرة النموذج على اكتشاف العملاء المهددين فعليًا (Recall) مش بس الدقة العامة.

التقييم: مقارنة شاملة بمقاييس Accuracy, Precision, Recall, F1-Score, وROC-AUC — وصلنا لأفضل أداء بـ ROC-AUC = 0.844.