التنبؤ بالمخاطر الائتمانية باستخدام خوارزميات تعلم الآلة (Credit Risk Prediction)
تفاصيل العمل
قمت ببناء نموذج متكامل للتنبؤ بالمخاطر الائتمانية باستخدام البيانات الديموغرافية والسجلات المالية للعملاء، حيث شمل المشروع تنفيذ مسار عمل برمجياً كاملاً (End-to-End ML Pipeline) يبدأ من تنظيف البيانات وهندسة الميزات وإجراء التحليل الاستكشافي (EDA) لفهم الأنماط السلوكية المالية، وصولاً إلى تطوير نماذج تعلم آلة متقدمة مثل Random Forest وLogistic Regression لتصنيف العملاء ذوي المخاطر العالية؛ كما تضمن العمل معالجة تحدي عدم توازن البيانات باستخدام تقنية SMOTE، وتقييم أداء النماذج بدقة عبر معايير Precision وRecall وF1-score وROC-AUC لضمان أعلى مستويات الموثوقية في التقييم المالي.
مهارات العمل
