بناء نموذج Customer Churn Prediction باستخدام Machine Learning

الخدمة تشمل:

تنظيف وتجهيز بيانات العملاء.

تحليل البيانات واكتشاف أسباب الـ Churn.

EDA وVisualizations.

معالجة الـ Missing Values والـ Categorical Features.

تدريب نماذج Machine Learning مثل:

Logistic Regression

Random Forest

XGBoost

مقارنة النماذج باستخدام Accuracy / Precision / Recall / F1 / ROC-AUC.

معالجة مشكلة Imbalanced Data عند وجودها.

تحديد الـ Classification Threshold عند الحاجة.

حفظ النموذج لاستخدامه لاحقًا.

عمل Streamlit Dashboard بسيط لإدخال بيانات العميل والتنبؤ باحتمالية الـ Churn.

تسليم الكود والـ Notebook والـ Model والنتائج.

مثال للـ Workflow

Customer Data → Data Cleaning → EDA → Preprocessing → ML Models → Evaluation → Churn Probability → Streamlit Dashboard

والميزة اللي ممكن تفرق خدمتك إنك مش هتقول للعميل بس "العميل هيلغي أو لا"، لكن ممكن تعرض:

Churn Probability: 82%

مع أهم العوامل المرتبطة بارتفاع احتمالية الإلغاء.