Customer Churn Prediction & Automated Retraining System

قمت بتطوير نظام متكامل للتنبؤ باحتمالية تسرب عملاء شركات الاتصالات (Customer Churn) باستخدام تقنيات Machine Learning، بهدف مساعدة الشركات على اكتشاف العملاء الأكثر عرضة للمغادرة واتخاذ إجراءات استباقية للاحتفاظ بهم.

يعتمد النظام على نموذج XGBoost لمعالجة بيانات العملاء وتحليل سلوكهم، ثم تقديم توقعات واضحة تشمل احتمالية حدوث التسرب وتصنيف مستوى الخطورة إلى Low / Medium / High، بالإضافة إلى عرض أهم المؤشرات المؤثرة في قرار النموذج.

تم تطوير النظام كحل Full-Stack Machine Learning يتكون من:

* معالجة وتنظيف البيانات وبناء Features مناسبة للتدريب.

* تدريب وتقييم نموذج XGBoost للتنبؤ بتسرب العملاء.

* بناء REST API باستخدام FastAPI لتقديم تنبؤات النموذج.

* تطوير Dashboard تفاعلية لعرض مؤشرات الـChurn وتوزيع مستويات المخاطر وبيانات العملاء.

* إنشاء صفحة لعرض Model Performance ومؤشرات التقييم مثل Accuracy وPrecision وRecall وF1-Score وROC-AUC.

* إضافة نظام لإعادة تدريب النموذج عند توفر بيانات جديدة من خلال Background Retraining.

* دمج MLflow لتتبع تجارب التدريب والـParameters والـMetrics والـArtifacts وإصدارات النماذج.

* إضافة آليات لمراقبة عمليات التدريب والتعامل مع الأخطاء والـTimeouts.

* تجهيز المشروع للنشر السحابي باستخدام Docker وMicrosoft Azure.

كما تم نشر الـBackend كخدمة REST API على Microsoft Azure، مما يسمح باستخدام النموذج من خلال API بدلًا من تشغيله محليًا فقط.

النتيجة هي نظام متكامل يحول بيانات العملاء إلى Predictions وRisk Levels قابلة للاستخدام، مع Dashboard لمتابعة الأداء وإمكانية إعادة تدريب النموذج عند الحاجة.