قمت بتطوير نظام توصية أفلام يعتمد على خوارزميات التصفية التعاونية باستخدام بيانات MovieLens 100K الشهير. يهدف المشروع إلى تحليل تفضيلات المستخدمين وتقديم توصيات دقيقة اعتمادًا على سلوكهم وسلوك المستخدمين المشابهين لهم.

يشمل العمل ما يلي:

تطبيق User-Based Collaborative Filtering لتحديد مستخدمين ذوي اهتمامات متقاربة.

تنفيذ Item-Based Collaborative Filtering لاقتراح أفلام مشابهة لتفضيلات المستخدم.

استخدام Matrix Factorization (SVD) لاستخراج الأنماط الخفية في بيانات التقييمات.

تقييم الأداء باستخدام Precision@K لقياس دقة التوصيات.

تحليل البيانات وتجهيزها باستخدام أدوات علم البيانات.

الأدوات المستخدمة:
Python – Pandas – NumPy – Scikit-learn – Jupyter Notebook

هذا المشروع يبرز مهاراتي في تحليل البيانات، بناء أنظمة توصية، وتنفيذ خوارزميات الذكاء الاصطناعي بطريقة فعالة وقابلة للتطوير.