أقدم خدمة بناء وتدريب نماذج تعلم الآلة (Machine Learning) بلغة Python لمهام التنبؤ (Regression) أو التصنيف (Classification).
خطوات العمل:
تجهيز البيانات: تنظيفها، معالجة القيم المفقودة، وهندسة الميزات (Feature Engineering).
بناء النماذج: تطبيق الخوارزميات الأنسب لبياناتك (مثل Random Forest, XGBoost, Logistic/Linear Regression).
التقييم: قياس الدقة بمقاييس معتمدة (Accuracy, F1-Score, RMSE) لاختيار النموذج الأفضل.
حجم العمل في الخدمة الأساسية:
معالجة ملف بيانات واحد (CSV أو Excel) بحجم حتى 15 ميجابايت (أو 10,000 صف).
تدريب ومقارنة أداء 3 خوارزميات مختلفة.
استخراج 9 رسوم بيانية توضيحية (Matplotlib وSeaborn).
تسليم كود Python منظم في ملف Jupyter Notebook مع شرح الخطوات وملخص النتائج.
اختيار خوارزميات تعلم الآلة وفقًا لطبيعة المشكلة والبيانات المتاحة.
إمكانية تدريب ومقارنة نماذج مختلفة لتحديد الأنسب للمشكلة.
عرض البيانات والنتائج باستخدام Matplotlib وSeaborn لتسهيل فهم الأنماط والعلاقات.
تسليم الكود في ملف Jupyter Notebook مرتب يسهل مراجعته وتشغيله.
توضيح مراحل معالجة البيانات وتدريب النماذج وتقييم النتائج
يحتوي على الكود البرمجي وخطوات تنفيذ المشروع بالترتيب
النموذج الناتج عن التدريب وفقًا لطبيعة المهمة والبيانات المتاحة.
لعرض نتائج التحليل أو مقارنة أداء النماذج، حسب الاتفاق.
توضيح مختصر لمعالجة البيانات والخوارزمية المستخدمة وأهم النتائج.
تحليل واستكشافي للبيانات مع استخراج 6 رسوم بيانات اضافية
5.00
|
|
تدريب ومقارنه 3 نماذج اضافية
5.00
|
|
تقرير تفصيلي لنتايج النماذج علي شكل Dashboard من 3 صفحات باستخدام البايثون
10.00
|
|
تقرير تفصيلي لنتايج النماذج Dashboard من صفحتين باستخدام Power BI
10.00
|
تحليل واستكشافي للبيانات مع استخراج 6 رسوم بيانات اضافية
5.00
|
|
تدريب ومقارنه 3 نماذج اضافية
5.00
|
|
تقرير تفصيلي لنتايج النماذج علي شكل Dashboard من 3 صفحات باستخدام البايثون
10.00
|
|
تقرير تفصيلي لنتايج النماذج Dashboard من صفحتين باستخدام Power BI
10.00
|