Bank Marketing analysis

Bank Marketing Classification Project مشروع Bank Marketing يعتمد على تحليل بيانات حملات تسويقية مباشرة نفذها بنك برتغالي من خلال مكالمات هاتفية، بهدف التنبؤ بما إذا كان العميل سيشترك في وديعة لأجل (نعم/لا). اللغات والتقنيات المستخدمة: لغة البرمجة: Python بيئة العمل: Jupyter Notebook المكتبات: Pandas، NumPy، Scikit-learn، Matplotlib، Seaborn محتوى المشروع: معالجة البيانات المسبقة (Preprocessing): تنظيف البيانات وتحويل المتغيرات الفئوية إلى رقمية. تحليل استكشافي للبيانات (EDA): دراسة توزيع الخصائص والعلاقات بين المتغيرات لتحديد العوامل المؤثرة في قرار العميل. بناء نموذج تصنيف (Classification Model): استخدام خوارزميات مثل Logistic Regression، Decision Tree، أو Random Forest للتنبؤ بنتائج الحملة. تقييم الأداء (Evaluation): قياس دقة النماذج باستخدام مقاييس مثل Accuracy وF1-score وROC Curve. تحليل النتائج: تحديد أهم الخصائص التي تؤثر في احتمال اشتراك العميل. المشروع يهدف إلى دعم قرارات التسويق المستندة إلى البيانات وتحسين كفاءة الحملات المستقبلية من خلال التنبؤ المسبق باستجابة العملاء.