1. معالجة البيانات (Data Preprocessing): تجهيز البيانات بصيغة CSV أو Excel، بحد أقصى 5,000 صف، ومعالجة القيم المفقودة وغير المتسقة وتجهيزها للتدريب.

2. بناء نموذج تعلم الآلة (Machine Learning Model): بناء نموذج (Classification) أو (Regression) حسب طبيعة البيانات.

3. تقييم النموذج (Model Evaluation): تقييم أداء النموذج باستخدام المقاييس المناسبة، مثل Accuracy وF1-score وRecall وR²، مع توضيح النتائج الأساسية.

4. تصور البيانات (Data Visualization): إنشاء رسوم بيانية مناسبة لتوضيح الأنماط واستخراج insight مهمه داخل البيانات وعرض النتائج بصريًا.

5. واجهة تفاعلية (Streamlit): إنشاء واجهة بسيطة وسهلة الاستخدام لعرض نتائج المشروع والتفاعل مع النموذج.

6. تنظيم ملفات المشروع (Project Organization): تنظيم ملفات المشروع والكود بشكل واضح ومرتب، مع إضافة تعليقات توضيحية لتسهيل فهم الكود وتشغيل المشروع.

1. ملف Jupyter Notebook بصيغة .ipynb يحتوي على كود Python وخطوات تنفيذ المشروع.
2. نموذج تعلم آلة مدرّب وجاهز.
3. ملف Streamlit بصيغة .py لتشغيل الواجهة التفاعلية وعرض النتائج.
4. رسوم بيانية توضيحية للبيانات ونتائج النموذج.
5. تقرير مبسط يوضح النتائج.