يهدف هذا المشروع إلى تحليل بيانات عملاء تجارة الجملة وتقسيمهم إلى مجموعات متشابهة باستخدام تقنيات التعلم الآلي غير الخاضع للإشراف (Unsupervised Learning)، بهدف اكتشاف الأنماط السلوكية في إنفاق العملاء.

**المهام المنفذة:**
• إجراء التحليل الاستكشافي للبيانات (EDA) لفهم توزيع الإنفاق والعلاقات بين المتغيرات.
• معالجة البيانات وتطبيق التحويل اللوغاريتمي لتقليل تأثير القيم شديدة التباين.
• استخدام StandardScaler لتوحيد مقاييس الخصائص.
• تطبيق خوارزمية K-Means لتقسيم العملاء إلى مجموعات.
• استخدام Elbow Method وSilhouette Score للمساعدة في تحديد عدد المجموعات المناسب.
• تحليل المجموعات واستخلاص رؤى حول أنماط إنفاق العملاء.

**الأدوات المستخدمة:** Python، Pandas، NumPy، Matplotlib، Seaborn، وScikit-learn.

يساعد المشروع على فهم اختلاف أنماط الإنفاق بين العملاء ودعم اتخاذ القرارات المبنية على البيانات.