Flood Risk Prediction

لقد قمت بتطوير مشروع Machine Learning متكامل (End-to-End) يقوم بالتنبؤ بدقة باحتمالية حدوث الفيضانات في منطقة معينة بناءً على 20 عاملاً بيئيًا، وبنيويًا (Infrastructural)، واجتماعيًا واقتصاديًا (Socio-economic)؛ مثل كثافة الأمطار الموسمية (Monsoon intensity)، وإزالة الغابات (Deforestation)، وكفاءة أنظمة الصرف (Drainage systems)، والتوسع الحضري (Urbanization)، وجودة السدود (Dam quality)، ومدى الاستعداد للكوارث (Disaster preparedness).

تم تدريب النموذج واختباره على Dataset ضخمة تحتوي على 50,000 عينة، ليقوم بإرجاع درجة احتمالية دقيقة (Flood probability score) مصنفة ضمن مستويات خطر واضحة (Low, Moderate, High, Severe).

🛠️ ما قمت بتسليمه في هذا المشروع (What I Delivered):

• Data Analysis & Cleaning: قمت بإجراء فحص شامل للجودة (Quality checks)، والتعامل الاحترافي مع القيم الشاذة (Outlier handling)، وتحليل ارتباط المتغيرات (Correlation analysis) لضمان سلامة البيانات.

• Feature Engineering: ابتكار درجات مخاطر مركبة (Composite risk scores) تدمج العوامل المرتبطة ببعضها لتعزيز دقة النموذج وسرعته.

• Model Comparison & Tuning: قارنت بين 7 خوارزميات ريجريشن (Regression algorithms) مختلفة بالإضافة إلى بناء نموذج تجميعي (Ensemble model). تم تقييمها جميعاً باستخدام الـ Cross-validation وضبط الأبعاد (Hyperparameter Tuning) للوصول لأعلى كفاءة ممكنة.

• Experiment Tracking: اعتمدت على أداة MLflow لتتبع جميع التجارب، مما يضمن أن كل دورة تدريبية (Training run) موثقة وقابلة للتكرار (Reproducible) بنسبة 100%.

• Production-Ready REST API: قمت ببناء واجهة برمجية سريعة باستخدام FastAPI، مدعومة بنظام قوي للتحقق من المدخلات (Input validation)، مما يجعل النموذج جاهزاً للربط والتكامل مع أي تطبيق أو نظام خارجي فوراً.

• Interactive Web App: صممت لوحة تحكم وتطبيق ويب تفاعلي باستخدام Streamlit، يتيح للمستخدمين وأصحاب القرار تعديل العوامل يدوياً والحصول على توقع فوري ومباشر.

• Clean Code & DevOps: الكود مكتوب وفق أفضل الممارسات، ومرفوع على GitHub repository منظم وموثق بالكامل (Documented) وجاهز لعملية النشر (Deployment).

🧰 التكديس التقني المستخدم (Tech Stack):

Python, scikit-learn, pandas, NumPy, MLflow, FastAPI, Streamlit, Git