معالجة البيانات وبناء نموذج تعلم آلي (Machine Learning) للتصنيف أو التنبؤ
مرحباً بك. إذا كان لديك مجموعة بيانات وتحتاج إلى تنظيفها وبناء نموذج ذكاء اصطناعي دقيق، فأنت في المكان الصحيح.
حجم العمل للخدمة الأساسية: التعامل مع مجموعة بيانات (Dataset) بحجم يصل إلى 2000 صف (Row) و 15 عمود (Column) كحد أقصى.
خطوات العمل التي سأقوم بها:
معالجة البيانات (Data Preprocessing): تنظيف البيانات، التعامل مع القيم المفقودة (Missing Values)، وتحويل البيانات النصية إلى رقمية.
بناء النموذج: تدريب نموذج تعلم آلة واحد (مثل XGBoost أو أداة مناسبة لطبيعة بياناتك) للقيام بمهمة التصنيف (Classification) أو التنبؤ (Regression).
البيانات بعد المعالجة والتنظيف بصيغة (Excel أو CSV).
(Jupyter Notebook / Python script) موثق بأسماء الخطوات.
يحتوي على مقاييس دقة النموذج الأساسية (مثل Accuracy, F1-Score أو RMSE).
تدريب و مقارنة 3 نماذج تعلم آلي إضافية لاختيار النموذج الاعلى دقة لبياناتك
10.00
|
|
إنشاء 5 إلى 7 رسومات بيانية وتسليمها كصور مدمجة في التقرير
5.00
|
|
تصميم عرض تقديمي احترافي (PowerPoin) مكون من 5 إلى 10 شرائح
5.00
|
تدريب و مقارنة 3 نماذج تعلم آلي إضافية لاختيار النموذج الاعلى دقة لبياناتك
10.00
|
|
إنشاء 5 إلى 7 رسومات بيانية وتسليمها كصور مدمجة في التقرير
5.00
|
|
تصميم عرض تقديمي احترافي (PowerPoin) مكون من 5 إلى 10 شرائح
5.00
|