تحليل بيانات تايتانيك وبناء نموذج تنبؤ بالنجاة | Machine Learning + Python

تحليل بيانات واستخدام Machine Learning للتنبؤ بنجاة ركاب تايتانيك — من تنظيف البيانات وهندسة المتغيرات وصولاً إلى نموذج تصنيف دقيق مع تصور بياني احترافي للنتائج. التقنيات المستخدمة: Python | Pandas | NumPy | Scikit-Learn | Matplotlib | Seaborn | Machine Learning | Classification | Feature Engineering | EDA | Data Cleaning | Data Visualization تفاصيل المشروع: تحليل مجموعة بيانات تايتانيك الشهيرة باستخدام pipeline متكامل — معالجة القيم المفقودة كالعمر ورقم المقصورة، هندسة متغيرات جديدة كاستخراج ألقاب الركاب وحجم العائلة، ثم تدريب وتقييم نماذج تصنيف متعددة لاختيار الأدق في التنبؤ بالنجاة. مراحل المشروع: Data Cleaning — معالجة القيم المفقودة والبيانات غير المهيكلة EDA — تصور العلاقات بين المتغيرات باستخدام Matplotlib وSeaborn Feature Engineering — استخراج ألقاب الركاب وحجم العائلة وموقع الصعود Model Building — تدريب Logistic Regression وRandom Forest وتقييمهم بـ Accuracy وConfusion Matrix أبرز النتائج: إثبات تأثير درجة السفر على فرص النجاة إحصائياً | تأكيد قاعدة "النساء والأطفال أولاً" برمجياً من البيانات | اكتشاف تأثير حجم العائلة وموقع الصعود على احتمالية النجاة