Gym Progress Analysis & Weight Prediction | Machine Learning

طورت مشروعًا لتحليل تقدم الوزن والنشاط الرياضي باستخدام تحليل البيانات وتقنيات تعلم الآلة، مع إنشاء واجهة تفاعلية لعرض النتائج والمؤشرات بشكل واضح.

يعمل المشروع على تحليل بيانات الوزن، السعرات الحرارية، البروتين، مدة التمرين وعدد الخطوات، مع استخدام Feature Engineering من خلال المتوسطات المتحركة لعدة أيام لتقليل تأثير التغيرات اليومية وإظهار اتجاه الوزن بشكل أوضح.

تم تطبيق ومقارنة نماذج Linear Regression وRandom Forest Regression للتنبؤ بمتوسط الوزن، مع تقييم أداء النماذج باستخدام MAE وR² Score، بالإضافة إلى عرض Actual vs Predicted وتحليل أهمية الخصائص المستخدمة في النموذج.

كما تم تطوير Dashboard تفاعلي باستخدام Streamlit لعرض:

• تطور الوزن والمتوسط المتحرك لـ 7 أيام.

• السعرات الحرارية والبروتين.

• الخطوات ومدة التمرين.

• نتائج نماذج Machine Learning.

• Actual vs Predicted Weight.

• Feature Importance.

• توقع أساسي لاتجاه الوزن خلال الأيام القادمة.

• استعراض وتحميل البيانات المعالجة.

التقنيات المستخدمة:

Python، Pandas، NumPy، Matplotlib، Scikit-learn، Linear Regression، Random Forest، Feature Engineering، Streamlit.