نظام اتخاذ القرار للري الذكي (AgriTech)

الدور: مطورة ذكاء اصطناعي (AI Developer).
التركيز: معالجة البيانات غير المتوازنة | الأتمتة | خوارزمية الغابة العشوائية (Random Forest).
المشكلة:
التنبؤ باحتياجات الري بناءً على بيانات المستشعرات في ظل ندرة "عمليات الري" المسجلة، مما أدى إلى وجود مجموعة بيانات غير متوازنة للغاية (Imbalanced Dataset) تؤثر على دقة التوقعات.

الحل:
دمج "خط إنتاج" (Pipeline) متخصص من مكتبة Imbalanced-learn. تم تطبيق تقنية SMOTE لزيادة عينات الفئة الأقلية، وتقنية RandomUnderSampler لتقليل عينات الفئة الأكثرية لتجنب انحياز النموذج.
الأدوات المستخدِمة:
Python, Imbalanced-learn, Matplotlib, Random Forest Classifier.
النتيجة المحققة:
تحقيق درجة F1-score متوازنة، مما ضمن قدرة النظام على التنبؤ بدقة باحتياجات الري الفعلية دون هدر للموارد المائية.