تصدير نماذج الذكاء الاصطناعي Pickle و Joblib لاستخدامها لاحقاً في الـ Backend بعد الانتهاء من تدريب نموذج Machine Learning بنجاح، تبدأ مرحلة لا تقل أهمية عن التدريب نفسه: كيف نحفظ هذا النموذج وننقله إلى بيئة الإنتاج ليعمل داخل تطبيق Backend بسرعة وثبات؟ هنا تظهر أهمية أدوات مثل Pickle وJoblib في تحويل الكائنات البرمجية المدربة إلى…
مشروع مصغر: بناء نموذج ذكاء اصطناعي يتنبأ باحتمالية إلغاء العملاء لاشتراكاتهم (Churn) يُعد التنبؤ بإلغاء الاشتراكات من أكثر تطبيقات Machine Learning فائدةً في شركات الاتصالات، المنصات الرقمية، وخدمات SaaS. الفكرة الأساسية ليست مجرد معرفة من سيغادر، بل اكتشاف الإشارات المبكرة التي تسبق ذلك حتى تتدخل الشركة بعروض مناسبة أو دعم استباقي. هذا المشروع يجمع بين…
مقدمة: لماذا تصبح البيانات ذات 100 متغير مشكلة حقيقية؟ عندما تتعامل مع مجموعة بيانات تحتوي على 100 متغير أو أكثر، فإن التحدي لا يكون فقط في حجم البيانات، بل في صعوبة فهم العلاقات بينها بصرياً وتحليلياً. الإنسان يستطيع استيعاب الرسوم ثنائية وثلاثية الأبعاد بسهولة، لكنه لا يستطيع رؤية الفضاءات عالية الأبعاد بشكل مباشر. هنا يظهر…
التعلم غير الخاضع للإشراف: خوارزمية K-Means لتجميع العملاء (Clustering) عندما لا نملك متغيراً هدفياً واضحاً، يصبح التعلم غير الخاضع للإشراف أداة مركزية لاكتشاف البنية الخفية داخل البيانات. ومن أشهر تقنياته خوارزمية K-Means التي تستخدم بكثرة في تجميع العملاء وفقاً لأنماط الشراء والسلوك والقيمة التجارية. الفكرة الجوهرية بسيطة ظاهرياً: تقسيم العملاء إلى مجموعات متشابهة داخلياً ومختلفة…
خوارزمية KNN (أقرب الجيران): تصنيف البيانات بناءً على التشابه تُعد خوارزمية KNN أو K-Nearest Neighbors من أبسط وأوضح خوارزميات تعلم الآلة (Machine Learning) الخاضع للإشراف. ورغم بساطتها النظرية، فإن فعاليتها العملية كبيرة جداً عندما تكون البيانات نظيفة، والميزات معبّرة، والمسافات محسوبة بطريقة صحيحة. الفكرة الجوهرية فيها هي أن العينة الجديدة تُصنَّف بناءً على أقرب العينات…
