نبذة عن المشروع
تطوير نظام للتنبؤ بالمبيعات اليومية لأكثر من 1,100 متجر باستخدام تعلم الآلة (Machine Learning)، بالاعتماد على بيانات Rossmann Store Sales.

مراحل التنفيذ
تنظيف البيانات ودمج بيانات المبيعات والمتاجر ومعالجة القيم المفقودة.
هندسة الخصائص (Feature Engineering) واستخراج الخصائص الزمنية.
تقسيم البيانات زمنيًا وتخصيص آخر 6 أسابيع للاختبار.
بناء ومقارنة نماذج AdaBoost وGradient Boosting وXGBoost.
تحسين نموذج XGBoost باستخدام GridSearchCV لضبط المعلمات.
تطوير واجهة تفاعلية باستخدام Streamlit لإجراء التنبؤات.

النتائج
حقق نموذج XGBoost النهائي معامل تحديد R² = 0.8536 على بيانات الاختبار بعد تحسين المعلمات.

التقنيات المستخدمة
Python، Pandas، NumPy، Scikit-learn، XGBoost، Matplotlib، Seaborn، Streamlit.

هدف المشروع
بناء نظام تنبؤ يساعد على فهم أنماط المبيعات، ودعم التخطيط للأعمال، واتخاذ قرارات مبنية على البيانات.