مشروع التنبؤ بأمراض القلب باستخدام Machine Learning

يُعد هذا المشروع تطبيقًا متكاملًا لدورة عمل Machine Learning Pipeline بهدف تحليل البيانات والتنبؤ بخطر الإصابة بأمراض القلب باستخدام UCI Heart Disease Dataset. يغطي المشروع جميع مراحل بناء نموذج تعلم الآلة — من Data Preprocessing إلى Model Deployment. أهم الجوانب في المشروع: Data Processing & Analysis: تم تنظيف البيانات ومعالجة القيم المفقودة (Missing Values)، وترميز المتغيرات الفئوية (Categorical Encoding)، وتقييس الخصائص الرقمية (Feature Scaling). كما تم إجراء Exploratory Data Analysis (EDA) باستخدام الرسوم البيانية، والمخططات الصندوقية (Box Plots)، وخريطة الارتباطات (Correlation Heatmap). Feature Selection & Dimensionality Reduction: تم تطبيق Principal Component Analysis (PCA) للحفاظ على أكبر قدر من التباين في البيانات، واستخدام Feature Importance (Random Forest) وRecursive Feature Elimination (RFE) وChi-Square Test لتحديد أهم المتغيرات المؤثرة في التنبؤ. Model Development: تم تدريب عدة Classification Models تشمل Logistic Regression, Decision Tree, Random Forest, وSupport Vector Machine (SVM)، وتقييم أدائها باستخدام مقاييس Accuracy, Recall, F1-Score, وROC-AUC. Unsupervised Learning: تم تطبيق K-Means Clustering وHierarchical Clustering لاكتشاف الأنماط الطبيعية في البيانات ومقارنتها مع التصنيفات الفعلية. Model Optimization & Deployment: تم استخدام GridSearchCV وRandomizedSearchCV لتحسين أداء النماذج عبر ضبط Hyperparameters، مع توثيق النتائج النهائية لعرضها في Dashboard أو Web App.