🚚 SmartCargo - تحسين التسليمات في رومانيا

شركة النقل "SmartCargo România" تحتاج إلى حلول ذكية لتحسين تقديرات مدة التسليم. أنت المختص الجديد في علم البيانات في الفريق، ومهمتك هي بناء نماذج دقيقة تتنبأ بأوقات التسليم بين المدن في رومانيا.

🎯 هدفك الرئيسي

يجب أن تحلل البيانات التاريخية للرحلات بين المدن وتفهم كيف تؤثر عوامل مثل المسافة، وقت اليوم، الطقس، حركة المرور أو خبرة السائق على المدة الفعلية للتسليم.

هدفك هو بناء نموذج تعلم آلة قادر على التنبؤ بالوقت المقدر للرحلات الجديدة.

---

📦 بيانات النقل

كل صف في ملفات train_data.csv و test_data.csv يمثل تسليماً بين مدينتين في رومانيا.

كل تسليم يحتوي على التفاصيل التالية:

العمود	الوصف
ID	معرف فريد للرحلة
City A	مدينة المغادرة (كنص)
City B	مدينة الوجهة (كنص)
Distance	المسافة الفعلية بين المدن (بالكيلومترات)
Time of Day	وقت اليوم معبراً عنه بالدقائق من منتصف الليل عند مغادرة الرحلة (0 - 1439)
Weather	الطقس أثناء الرحلة (Clear, Rain, Snow, Fog)
Traffic	مستوى حركة المرور على مقياس رقمي (0.0 - 1000.0)، الحد الأقصى يعني الأكثر ازدحاماً
Road Quality	جودة الطريق على مقياس رقمي (1 - 1000)، الحد الأقصى يعني الأعلى جودة
Driver Experience	مستوى خبرة السائق (1 - 40 سنة)
deliver_time	فقط في train_data.csv: وقت التسليم الفعلي بالدقائق

---

🎯 مهمتك

أعطاك المدير التشغيلي المهمتين الأساسيتين التاليتين لتحسين عمليات "SmartCargo".

مجموعة البيانات للتنبؤ (test_data.csv) تحتوي على عينات بنفس خصائص مجموعة التدريب، ولكن بدون عمود predicted_time.

نموذجكم سيولد تنبؤات لهذه العينات.

المهام الفرعية

• المهمة 1 (20 نقطة): حالة Bârlad: عميل مهم من Bârlad أبلغ عن تأخيرات متكررة في الرحلات في ظروف الضباب. المدير يريد معرفة كم رحلة تغادر من Bârlad وفي طقس ضبابي (Fog) في مجموعة بيانات التنبؤ. اعثر على عدد هذه الرحلات وأبلغ عنه.
• المهمة 2: تقدير الأوقات للرحلات غير المعروفة: المدير لديه قائمة برحلات جديدة لا يعرف أوقات السفر لها. يجب أن تستخدم البيانات التاريخية (من مجموعة التدريب) لتدريب نماذج التنبؤ ثم تقدير أوقات التسليم لجميع الرحلات في مجموعة بيانات التنبؤ.

تنسيق الإخراج

ملف csv output.csv يجب أن يتضمن الأعمدة الثلاثة التالية:

• subtaskID - يمثل رقم المهمة الفرعية (1, 2)
• datapointID - والذي يشير إلى عمود ID من test_data.csv
• answer - الإجابة المقابلة لنقطة البيانات للمهمة الفرعية المعنية

ملاحظة: للمهمة الفرعية 1، التي تطلب إجابة واحدة لمجموعة البيانات بأكملها، اعرض سطراً واحداً يكون datapointID الخاص به 1.

أرسل csv واحد يحتوي على إجابات جميع المهام الفرعية التي حللتموها. لرؤية مثال، حمل ملف sample_output.csv (ملاحظة: هذا، رغم أنه بالتنسيق الصحيح، يحصل على 0 نقطة في التقديم).

النتيجة

ستحسب نتائج المهام الفرعية كما يلي:

• المهمة الفرعية 1: إجابة صحيحة، تحصل على 20 نقطة فقط إذا كانت صحيحة.
• المهمة الفرعية 2: حسب أداء نموذجكم، باستخدام مقياس MAE (Mean Absolute Error) على مجموعة بيانات الاختبار. يمكنكم العثور على الطريقة الدقيقة لحساب النتيجة المبنية على MAE في Starter Kit.

👉 📦 حمل Starter Kit OJIA 2025