SuccessSage

SuccessSage: مؤشر أداء امتحان الطالب والمتنبئ

SuccessSage هو مشروع شامل للتعلم الآلي يهدف إلى التنبؤ بأداء الطلاب في الامتحانات. فهو يستفيد من مجموعة متنوعة من البيانات التعليمية والديموغرافية لتقديم رؤى وتنبؤات، مما يمكّن أصحاب المصلحة التعليميين من فهم نتائج الطلاب وتحسينها بشكل أفضل.

سمات

• التنبؤ بالأداء : يستخدم مجموعة متنوعة من نماذج التعلم الآلي للتنبؤ بأداء الطلاب في الامتحانات بناءً على بياناتهم الديموغرافية والأكاديمية.
• تحسين النموذج : يستخدم بحث الشبكة للعثور على أفضل المعلمات الفائقة لكل نموذج، مما يضمن الأداء الأمثل.
• خط أنابيب البيانات : يتضمن استيعاب البيانات بالكامل، وتحويلها، وخطوط أنابيب التدريب النموذجية، والتي تعمل على أتمتة العملية بدءًا من البيانات الأولية وحتى التنبؤات.
• واجهة الويب : واجهة ويب تفاعلية تعتمد على Flask لسهولة إدخال البيانات وتصور النتائج.
• التسجيل ومعالجة الأخطاء : تسجيل شامل ومعالجة الاستثناءات المخصصة لضمان إمكانية التتبع وسهولة تصحيح الأخطاء.

نظرة عامة على البيانات

يستخدم المشروع مجموعة بيانات تحتوي على العديد من الميزات التي تدل على الأداء الأكاديمي للطالب:

• المعلومات الديموغرافية : تشمل الجنس، والعرق/الإثنية، وما إذا كان الطالب يحصل على وجبة غداء مجانية أو بسعر مخفض.
• الخلفية الأكاديمية : تغطي المستوى التعليمي للوالدين وما إذا كان الطالب قد أكمل دورة الإعداد للاختبار.
• الدرجات : يتم استخدام درجات القراءة والكتابة كميزات إدخال.

معالجة البيانات

• إدخال البيانات : يستوعب البيانات تلقائيًا من ملف CSV، ويقسمها إلى مجموعات بيانات تدريب واختبار.
• تحويل البيانات : تحويل البيانات الفئوية باستخدام التشفير السريع وقياس الميزات الرقمية لإعدادها للتدريب النموذجي.
• مجموعات بيانات التدريب والاختبار : يتم تقسيم البيانات المعدة إلى مجموعات تدريب واختبار لتقييم أداء النموذج.

تثبيت

1. استنساخ المستودع

   git clone https://github.com/Shubham235Chandra/SuccessSage.git
   cd SuccessSage

2. إعداد بيئة افتراضية (اختياري لكن موصى به)

   python -m venv venv
   source venv/bin/activate  # On Windows use `venvScriptsactivate`

3. متطلبات التثبيت

   pip install -r requirements.txt

تشغيل التطبيق

1. ابدأ تشغيل تطبيق Flask

   python app.py

   سيؤدي هذا إلى تشغيل تطبيق الويب على localhost على المنفذ 5000 .

2. الوصول إلى واجهة الويب

   • افتح المتصفح وانتقل إلى http://localhost:5000/ .
   • استخدم نموذج الويب لإدخال بيانات الطالب وتلقي التوقعات.

هيكل المشروع

• app.py : نقطة دخول تطبيق Flask.
• application.py : يدير المسارات ومعالجة نماذج الويب.
• predict_pipeline.py : يدير مسار التنبؤ بما في ذلك المعالجة المسبقة وتنبؤات النماذج.
• data_ingestion.py : يدير عملية استيعاب البيانات ومعالجتها الأولية.
• data_transformation.py : ينفذ خط أنابيب المعالجة المسبقة.
• model_trainer.py : يدير تدريب نماذج التعلم الآلي باستخدام خوارزميات متنوعة مثل RandomForest وDecisionTree وGradientBoosting والمزيد.
• utils.py : وظائف الأداة المساعدة للتسلسل والمهام الأخرى.
• logger.py : تكوين التسجيل للمراقبة.
• exception.py : معالجة الاستثناءات المخصصة لإدارة الأخطاء بشكل فعال.

المساهمة

المساهمات هي موضع ترحيب! يرجى تفرع المستودع وإرسال طلبات السحب مع التغييرات المقترحة.

رخصة

وزعت بموجب ترخيص معهد ماساتشوستس للتكنولوجيا. راجع ملف LICENSE لمزيد من المعلومات.