مشروع تعلم آلي يهدف إلى التنبؤ بحالة طلبات المبيعات اعتمادًا على بيانات المعاملات التاريخية لتحسين تحليل الطلبات ودعم اتخاذ القرار.

شمل المشروع تنظيف وتجهيز البيانات، معالجة القيم المفقودة، وتطبيق Feature Engineering لاستخراج متغيرات مهمة مثل قيمة الخصم والسعر النهائي. كما تم إجراء تحليل استكشافي للبيانات (EDA) لفهم الأنماط والعلاقات بين المتغيرات.

تم استخدام تقنية SMOTE لمعالجة عدم توازن البيانات، ثم تدريب عدة نماذج Machine Learning، حيث حقق نموذج XGBoost أفضل أداء. كما تم إنشاء Pipeline متكامل يضم Scaling ومعالجة البيانات وتدريب النموذج لضمان Workflow احترافي ومنظم.

أظهر النموذج النهائي نتائج جيدة في التنبؤ بحالات الطلبات مع قابلية للتطوير وتحسين الأداء مستقبلاً.