Phase 1: Data Preprocessing
- تنظيف البيانات
- معالجة القيم الناقصة (Missing Values)
- حذف التكرار (Duplicates)
- تحويل البيانات النصية (Encoding)
- تجهيز القيم (Scaling)
- تقسيم البيانات (Train / Test)

Phase 2: Model Building & Training
- اختيار النموذج المناسب حسب نوع المشكلة (Classification / Regression / Clustering)
- تدريب نموذج Machine Learning
- تحسين الأداء بشكل مبدئي
- تقييم النموذج باستخدام: Accuracy / Precision / Recall / F1-score

Phase 3: Deployment باستخدام Streamlit
- إنشاء تطبيق بسيط لإدخال البيانات
- عرض النتائج مباشرة
- ربط النموذج بالتطبيق
- تشغيل المشروع على الجهاز

المدخلات المطلوبة من العميل:
- ملف البيانات (CSV أو Excel)
- شرح بسيط للمشكلة
- تحديد Target Column

المخرجات النهائية:
كود Python أو Jupyter Notebook
النموذج المدرب
تطبيق (في حالة اختيار Deployment)
شرح بسيط لتشغيل المشروع