طورت مشروع تعلم آلي (Machine Learning) للتنبؤ بالتفاعلات الدوائية وتحليل مستوى خطورتها، بهدف تقليل الأخطاء الطبية وتعزيز أمان المرضى.

مراحل العمل:

معالجة البيانات (Preprocessing): شملت تنظيف البيانات (إزالة القيم المفقودة والمكررة)، تحويل النصوص لقيم رقمية (Encoding)، واستخراج أهم الخصائص (Feature Selection).

بناء النموذج: تم تقسيم البيانات واستخدام Random Forest Classifier لكفاءته مع البيانات المعقدة، ودقته العالية في التصنيف مع تقليل الـ Overfitting.

التقييم: تم تقييم أداء النموذج واختباره على بيانات جديدة باستخدام مقاييس: Accuracy, Precision, Recall, و F1-Score.

التقنيات المستخدمة:
Python, Pandas, NumPy, Scikit-learn, Matplotlib, Seaborn, Jupyter Notebook.

الخبرات المكتسبة:
تحليل البيانات (Data Analysis)، هندسة الخصائص (Feature Engineering)، بناء وتقييم نماذج ML، والتعامل العملي مع البيانات الطبية.