مشروع متكامل لتعلم الآلة (Machine Learning) يهدف للتنبؤ بمدى احتمالية تعثر المقترضين في سداد القروض. المشروع بيستخدم موديل "XGBoost Classifier" القوي، ومعمول له Deployment كلوحة تحكم تفاعلية باستخدام "Streamlit" عشان تسهل عملية تقييم المخاطر بشكل فوري.

? مميزات المشروع (Key Highlights)

معالجة البيانات: استخدمت تقنية SMOTE عشان أحل مشكلة عدم توازن البيانات (Data Imbalance) وأخلي الموديل يقدر يتعرف على حالات التعثر بدقة أكبر.

واجهة تفاعلية: لوحة تحكم بسيطة تانية بـ Streamlit بتسمح للمستخدم يدخل بيانات العميل (زي الدخل، الـ Credit Score، وقيمة القرض) ويطلع له النتيجة فوراً.

دقة عالية: الموديل حقق دقة (Accuracy) بتوصل لـ 88.02% على بيانات الاختبار.

?️ الأدوات المستخدمة (Tech Stack)

لغة البرمجة: Python

المكتبات الأساسية: XGBoost, Scikit-learn

معالجة البيانات: Pandas, Numpy

الواجهة (Deployment): Streamlit