تحليل شامل للبيانات:
تنظيف البيانات بعناية لضمان جودتها.
تحليل استكشافي (EDA) لاكتشاف الأنماط والمشكلات.
إنشاء 5 رسوم بيانية احترافية لعرض العلاقات في البيانات.
بناء نماذج تعلم آلي وذكاء اصطناعي:
نماذج الانحدار مثل الانحدار الخطي (Linear Regression) وأشجار الانحدار (Regression Trees).
نماذج التصنيف مثل أشجار القرار (Classification Trees)، SVM، Naive Bayes، KNN، Logistic Regression.
نماذج تعلم عميق (Deep Learning) لبناء شبكات عصبية باستخدام PyTorch أو TensorFlow، مع تدريب شبكات CNN لمهام التصنيف في الصور وRNN / LSTM / BERT لتحليل النصوص (NLP).
استخدام أقوى مكتبات Python:
Pandas و NumPy لتحليل البيانات.
Seaborn و Matplotlib للتمثيل البصري.
Scikit-learn لبناء نماذج تعلم الآلة.
PyTorch و Keras و Transformers للتعلم العميق.تقييم الأداء باحترافية:
دقة (Accuracy)، Precision، Recall، F1-Score.
ROC Curve و Confusion Matrix.