تتضمن الخدمة تنفيذ مشروع Machine Learning باستخدام Python على Dataset جدولية مقدمة من العميل. يشمل العمل مراجعة هدف المشروع وTarget Variable، وتجهيز البيانات وتحليلها، ثم تدريب ومقارنة خوارزميات مناسبة لمهمة Classification أو Regression، وتوثيق النتائج.

Dataset واحدة بصيغة CSV أو Excel، بحد أقصى 10,000 صف و30 عموداً وحجم ملف 10 MB.
فحص Data Types وMissing Values والتكرارات، وتطبيق Encoding أو Scaling عند الحاجة.
إجراء EDA لعرض التوزيعات والعلاقات والأنماط ذات الصلة بالمشكلة.
تجهيز Features مناسبة، ثم تدريب ومقارنة ما يصل إلى 3 خوارزميات ملائمة للمهمة.
تقييم الخوارزميات باستخدام طريقة موحدة مثل Train/Test Split أو Cross-Validation، واختيار الأفضل وفق Metric مناسبة للمشكلة.
استخدام Precision وRecall وF1-Score لمهام Classification، أو MAE وRMSE وR² لمهام Regression، بحسب طبيعة البيانات.
Hyperparameter Tuning أساسي للنماذج المختارة.

Jupyter Notebook منظم وموثق يوضح خطوات Data Preprocessing وEDA والتدريب والتقييم.
ملف النموذج المختار بصيغة Joblib.
رسوم توضيحية وملخص لنتائج المقارنة والتقييم.
تقرير فني موجز يشرح المنهجية والنتائج والقيود.
ملف requirements.txt للمكتبات المستخدمة

Dataset واحدة وTarget Variable واحداً ومهمة واحدة.
مقارنة ما يصل إلى 3 خوارزميات.
تعديلاً واحداً ضمن النطاق المتفق عليه، ولا يشمل تغيير Dataset أو Target Variable أو نوع المهمة.

جمع البيانات أو Labeling.
مقارنة خوارزميات إضافية.
Hyperparameter Tuning موسع.
Deployment.
يمكن تحديد هذه الأعمال بشكل منفصل.
ملاحظة الأداء:
يتأثر أداء النماذج بجودة Dataset وطبيعة المشكلة، لذلك لا يمكن ضمان Metric أو نتيجة أداء محددة مسبق