يهدف هذا المشروع إلى تحليل بيانات أداء الطلاب والتنبؤ بالدرجة النهائية (G3) بناءً على مجموعة من العوامل الأكاديمية والاجتماعية.تم استخدام لغة بايثون ومكتبات Pandas وScikit-learn لمعالجة البيانات وتطبيق نموذج Support Vector Machine (SVM).
شملت خطوات المشروع ما يلي:
قراءة البيانات وتنظيفها من القيم النصية والمفقودة.
تحويل الخصائص النصية إلى رقمية باستخدام LabelEncoder.
توحيد البيانات (Scaling) عبر StandardScaler.
معالجة مشكلة عدم توازن البيانات باستخدام SMOTE أو RandomOverSampler.
تقسيم البيانات إلى مجموعة تدريب واختبار.
تدريب نموذج SVM واستخدام التحقق المتقاطع (10-Fold Cross Validation) لقياس الدقة.
حقق النموذج دقة جيدة في التنبؤ بالدرجات، خاصة بعد تطبيق تقنيات تحسين البيانات، مما يبرز أهمية المعالجة المسبقة في مشاريع تعلم الآلة.
