قمت بتطوير نموذج ذكاء اصطناعي لتشخيص سرطان الثدي باستخدام تقنيات تعلم الآلة (Machine Learning).

يعتمد المشروع على تحليل بيانات طبية من مجموعة بيانات Breast Cancer Wisconsin Dataset والتي تحتوي على 569 عينة و 30 خاصية رقمية مستخرجة من صور طبية لكتلة الثدي.

مراحل المشروع تضمنت:

1- تحليل البيانات واستكشافها (EDA) باستخدام الرسوم البيانية لفهم توزيع البيانات والعلاقات بين المتغيرات.

2- تنظيف البيانات وإزالة الأعمدة غير المفيدة مثل ID والأعمدة الفارغة.

3- تحويل المتغير الهدف diagnosis إلى قيم رقمية لتمكين النموذج من التعلم.

4- تطبيق Feature Scaling باستخدام RobustScaler لتحسين أداء النموذج.

5- تقسيم البيانات إلى بيانات تدريب واختبار باستخدام Train-Test Split.

6- تدريب نموذج Logistic Regression لتصنيف الأورام إلى:

* Malignant (ورم خبيث)
* Benign (ورم حميد)

تم تقييم النموذج باستخدام مقاييس الأداء لمعرفة دقة النموذج في التنبؤ.

المشروع يوضح كيفية بناء Pipeline كاملة لمشروع Machine Learning بداية من تحليل البيانات وحتى بناء نموذج للتصنيف الطبي.