تقييم وتصنيف الجدارة الائتمانية للعملاء (Credit Scoring ML Model)

تطوير نظام ذكاء اصطناعي (Machine Learning) لتصنيف الجدارة الائتمانية للعملاء (Credit Scoring) بناءً على تاريخهم المالي. يهدف المشروع لمساعدة البنوك والشركات المالية في تقييم العملاء آلياً وبدقة عالية لتحديد مستحقي التسهيلات الائتمانية. ميزاته (القيمة العائدة من المشروع): تقييم ائتماني دقيق ومؤتمت: تقييم العملاء بسرعة بناءً على سلوكهم المالي (الديون، الدخل، تأخير المدفوعات). قرارات قابلة للتفسير (Explainable AI): الاعتماد على نماذج توفر شفافية تامة في القرار الائتماني، مما يتيح للمؤسسة معرفة الأسباب الدقيقة وراء تصنيف كل عميل. نموذج موثوق وعملي: تم بناء النموذج مع مراعاة أعلى معايير الجودة لضمان عدم الانحياز أو الحفظ الأعمى للبيانات (Overfitting)، مما يجعله جاهزاً لبيئات العمل الحقيقية. طريقة التنفيذ والأدوات: تم التنفيذ باستخدام لغة Python ومكتبات (Pandas, Scikit-Learn)، عبر المراحل التالية: معالجة البيانات المعقدة: استخراج البيانات الرقمية من النصوص (مثل تحويل التواريخ النصية إلى أشهر قابلة للقياس)، ومعالجة القيم المفقودة وتحويل الأنواع بمرونة. الترميز والتحضير: تطبيق تقنيات (One-Hot Encoding & Label Encoding) لتحويل البيانات الفئوية والنصية لتناسب الخوارزميات. التدريب والتقييم: بناء نموذج (Decision Tree Classifier) مع ضبط المعلمات الفائقة للتحكم في عمق الشجرة، وتقييم الأداء لضمان الموازنة المثالية بين دقة التدريب ودقة الاختبار