- تحضير ومعالجة البيانات (Preprocessing & Analysis) باستخدام Python:
قراءة البيانات باستخدام مكتبة Pandas لاستيراد البيانات من ملفات CSV أو Excel.
تحويل البيانات غير المتناسقة إلى تنسيقات صحيحة (مثل التعامل مع التواريخ، تحويل المتغيرات الفئوية).
إنشاء رسوم بيانية باستخدام مكتبات Matplotlib و Seaborn لتحليل البيانات بصريًا وفهم التوزيعات والأنماط.

- تطبيق نماذج Machine Learning:
تطبيق نماذج مثل Logistic Regression و Decision Tree بناءً على احتياجات البيانات.
تقييم أداء النماذج باستخدام مقاييس مثل:
Confusion Matrix
Precision
Recall
F1-Score

-سيتم تسليم:
ملف Jupyter Notebook يحتوي على الأكواد والنتائج.
تقرير مفصل بصيغة PDF أو Word يحتوي على التحليل والرسوم البيانية.
ملفات H5 للنماذج المدربة القابلة للاستخدام.

- الحدود:
يشترط حجم البيانات 70 ميجابايت وعدد المتغيرات عن 10 وعدد الصفوف عن 10000 صف