تدريب نموذج ذكاء اصطناعي واحد للتنبؤ بترك العملاء (Churn).
معالجة أولية بسيطة للبيانات (تنظيف + ترميز الأعمدة الأساسية).
ملف نموذج مدرّب ومحفوظ بصيغة جاهزة للاستخدام (pickle أو joblib).
كود Notebook Python موثق يوضح خطوات: إدخال البيانات → المعالجة → التدريب → التنبؤ.
عدد النماذج في الخدمة الاساسية تصل ل 3 نماذج machine learning
نماذج تحقق AUC أكثر من 90% على بيانات حقيقية.
استكشاف البيانات (EDA) واستخراج أهم المؤشرات المؤثرة في ترك العملاء.
تصميم Pipeline معالجة بيانات يتناسب مع طبيعة عملك.
تسليم كود نظيف قابل للتنفيذ، مع إمكانية دمجه في أنظمة الإنتاج أو تطبيقاتك.
تقارير ورسوم بيانية تساعد في اتخاذ قرارات استراتيجية.
ملف Model مدرب ومحفوظ للاستخدام المباشر.
سكربتاتNotebook Python مهيأة لإعادة التدريب والتنبؤ.
خطوات مقترحة لحملات الاحتفاظ بالعملاء وتقليل معدل الترك.
ملف PDF تفصيلي بالنتائج والرسوم او شرح فيديو توضيحي
10.00
|
|
تزويد عدد النماذج ل 5 بدلا من 3
5.00
|
|
تزيد عدد النماذج ل 8 بدلا من 3 مع عمل ensemble لافضل 2
15.00
|
|
شاشة تفاعلية تبني pipeline من ملفاتك وتعرض النتائج مباشرة
15.00
|
ملف PDF تفصيلي بالنتائج والرسوم او شرح فيديو توضيحي
10.00
|
|
تزويد عدد النماذج ل 5 بدلا من 3
5.00
|
|
تزيد عدد النماذج ل 8 بدلا من 3 مع عمل ensemble لافضل 2
15.00
|
|
شاشة تفاعلية تبني pipeline من ملفاتك وتعرض النتائج مباشرة
15.00
|