مشروع لتحليل بيانات الأداء الدراسي وبناء نموذج يتنبأ بدرجات الطلاب، باستخدام مجموعة بيانات تضم مليون سجل، بهدف استكشاف العلاقة بين ساعات المذاكرة والحضور والمشاركة داخل الفصل والنتائج الدراسية.

شمل العمل:
• فحص جودة البيانات والتحقق من القيم المفقودة والسجلات المكررة.
• تحليل البيانات وعرض العلاقات بين المتغيرات من خلال الرسوم البيانية ومصفوفة الارتباط.
• تدريب ومقارنة نماذج الانحدار الخطي وشجرة القرار والغابة العشوائية والتعزيز التدريجي.
• ضبط إعدادات النموذج واستخدام التحقق المتقاطع لتقييم الأداء.
• تحليل أخطاء التنبؤ واختيار النموذج الأفضل بناءً على متوسط الخطأ المطلق.
• حفظ النموذج وخطوات تجهيز البيانات لاستخدامهما في توقع درجات طلاب جدد.

حقق النموذج النهائي متوسط خطأ مطلق يقارب 5.92 درجات على بيانات الاختبار. وأظهرت التجارب أن ساعات المذاكرة كانت المتغير الأكثر فائدة للتنبؤ داخل مجموعة البيانات المستخدمة.

نُفذ المشروع بلغة بايثون باستخدام مكتبات تحليل البيانات وتعلم الآلة، مع توثيق خطوات العمل والنتائج داخل دفتر جوبيتر.