1. تنظيف وتجهيز البيانات (Data Cleaning & Preprocessing)
معالجة القيم المفقودة والمكررة وتصحيح أنواع البيانات
معالجة مشكلة اختلال توازن البيانات (Imbalanced Data) عبر تقنيات SMOTE

2. هندسة الميزات (Feature Engineering & Selection)
استخراج أهم المتغيرات المؤثرة لرفع دقة التنبؤ
شفير وتحويل المتغيرات الفئوية والعددية (Categorical Encoding & Feature Scaling) باستخدام تقنيات مثل One-Hot Encoding و MinMax/Standard Scaling لتهيئتها تماماً للنماذج.

3. بناء وتدريب النموذج (Model Training & Tuning)
تدريب خوارزميات التعلم الآلي المناسبة مثل XGBoost, LightGBM.
Hyperparameter Tuning للوصول لأفضل أداء وتجنب Overfitting.

4. تقييم إحصائي شامل (Comprehensive Evaluation)
قياس الأداء بدقة باستخدام: Accuracy, Precision, Recall, F1-Score, ROC-AUC للتصنيف، و MAE RMSE, للانحدار.
استعراض مصفوفة الارتباك (Confusion Matrix) والرسوم البيانية باستخدام Matplotlib و Seaborn.