يعمل النظام على التنبؤ باحتمالية تعثر المقترضين عن السداد قبل اتخاذ قرار الموافقة على منح القرض، مما يساهم في تقليل الخسائر المالية.

1. بناء النموذج (Model Building)
تم استخدام خوارزمية XGBoost Classifier، وهي من أقوى خوارزميات Supervised Learning المعروفة بكفاءتها العالية في التعامل مع البيانات الجدولية.
حقق النموذج دقة تصل إلى 88% في عملية الـ Prediction.

2. معالجة البيانات (Data Preprocessing)
تم إجراء Label Encoding لتحويل البيانات الفئوية إلى قيم رقمية، طبقنا Feature Scaling لتوحيد نطاقات القيم المختلفة.

3. معالجة عدم توازن البيانات (Imbalance Handling)
لمواجهة مشكلة Data Imbalance، تم استخدام تقنية SMOTE.
تعمل هذه التقنية على توليد عينات اصطناعية للفئة الأقل عدداً لتحسين قدرة النموذج على التعرف على حالات التعثر.

4. لوحة التحكم التفاعلية (Interactive Dashboard)
تم تطوير واجهة مستخدم احترافية باستخدام إطار عمل Streamlit.
تتيح الواجهة للمحللين الماليين إدخال بيانات العميل مثل Income، و Age (العمر)، و Credit Score، والحصول على نتيجة فورية توضح مستوى المخاطر.