تحليل بيانات قروض البنك

قمت بتنفيذ مشروع يهدف إلى تحليل بيانات العملاء والتنبؤ بحالة القرض (قبول / رفض) باستخدام تقنيات تحليل البيانات والتعلم الآلي. الخطوات الأساسية في المشروع: معالجة البيانات (Data Preprocessing): تنظيف البيانات والتعامل مع القيم المفقودة. تحويل البيانات النصية (Categorical) إلى متغيرات رقمية باستخدام One-Hot Encoding / Label Encoding. موازنة البيانات للتعامل مع عدم توازن الفئات (Class Imbalance). تحليل البيانات الاستكشافي (EDA): دراسة العلاقة بين الدخل، التاريخ الائتماني، الحالة الاجتماعية، وحالة القرض. رسم مخططات بيانية توضح العوامل الأكثر تأثيرًا في قرار البنك. بناء النماذج (Modeling): تطبيق خوارزميات مثل Logistic Regression, Random Forest, SVM. تقييم النماذج باستخدام مقاييس مثل Accuracy, Precision, Recall, F1-score. النتائج: الوصول إلى نموذج قادر على التنبؤ بحالة القرض بدقة عالية. تحديد أهم العوامل المؤثرة في قرار البنك مثل التاريخ الائتماني والدخل الشهري. الأدوات المستخدمة: Python (Pandas, NumPy, Matplotlib, Scikit-Learn) Jupyter Notebook / Google Colab