سأقوم بمعالجة القيم المفقودة، حذف البيانات المكررة، وتجهيز المتغيرات بالشكل المناسب قبل تدريب النموذج.

استخدام الإحصائيات والرسومات المناسبة لفهم توزيع البيانات واكتشاف الأنماط والعلاقات المهمة.

اختيار وتدريب نموذج Machine Learning يتناسب مع طبيعة البيانات والهدف المطلوب.

تقييم النتائج باستخدام المقاييس المناسبة مثل Accuracy وPrecision وRecall وF1-Score وConfusion Matrix.

العمل على Dataset واحدة من البيانات الجدولية حتى 10,000 صف و20 عمودًا.
مشكلة Classification واحدة وTarget واحدة.
تنظيف وتجهيز البيانات الأساسي.
تحليل استكشافي أساسي EDA.
تدريب وتقييم نموذج Machine Learning واحد.
عرض النتائج والرسومات الأساسية بشكل واضح.
تسليم الكود منظمًا داخل Jupyter Notebook بصيغة .ipynb.

كود Python مرتب وقابل للمراجعة والتطوير بصيغه ipynb.
شرح واضح لجميع خطوات العمل داخل ملف Jupyter.
جميع ملفات المشروع والنتائج والرسومات.
ملخص مبسط لأداء النموذج وأهم النتائج داخل ملف Jupyter.
تعديل مجاني بعد التسليم لضمان توافق العمل مع المتطلبات المتفق عليها.