قمت ببناء بايبلاين متكامل (end-to-end pipeline) للتنبؤ بمستويات التفاعل (Engagement) على منشورات فيسبوك باستخدام تقنيات تعلم الآلة.
خطوات العمل:
تنظيف البيانات والتحليل الاستكشافي (EDA):
فهم أنماط التفاعل وتحليل اتجاهات المشاركة على المنشورات.
المعالجة المسبقة (Preprocessing):
ترميز المتغيرات الفئوية باستخدام Label Encoding.
تطبيع القيم الرقمية باستخدام MinMax Scaler.
التجميع (Clustering) باستخدام KMeans:
اكتشاف الأنماط المخفية وتصنيف المنشورات إلى ثلاث مجموعات:
تفاعل منخفض (Low Engagement)
تفاعل متوسط (Medium Engagement)
تفاعل عالي (High Engagement)
التصنيف (Classification) باستخدام Random Forest:
التنبؤ بمستوى التفاعل للمنشورات الجديدة اعتمادًا على المجموعات المكتشفة.
النشر (Deployment) عبر Streamlit:
واجهة تفاعلية تسمح للمستخدمين بإدخال تفاصيل المنشور (النوع، عدد الإعجابات، التعليقات، المشاركات، التفاعلات) والحصول على التنبؤ مباشرة.
الأدوات المستخدمة:
Python
Pandas, NumPy
Scikit-learn
Matplotlib / Seaborn (لـ EDA)
Streamlit
