تحليل بيانات الأنمي وبناء نظام توصيات ذكي

هل تساءلت يوماً ما الذي يجعل "الأنمي" يحقق نجاحاً ساحقاً؟ هذا المشروع ليس مجرد أكواد، بل هو دراسة تحليلية متعمقة تدمج بين علم البيانات والذكاء الاصطناعي لفهم سلوك الجمهور وتوقع جودة الأعمال الفنية قبل صدورها. ماذا قدمت في هذا العمل؟ هندسة وتنظيف البيانات : قمت بتحويل البيانات الخام المشتتة إلى قاعدة بيانات منظمة وعالية الجودة، مع معالجة دقيقة للقيم المفقودة، وتصحيح التواريخ، وإعادة هيكلة المتغيرات لضمان دقة مخرجات النماذج الرقمية. التحليل الاستكشافي البصري (EDA): كشفت الدراسة عن أنماط نجاح واضحة عبر تحليل العلاقة بين "استوديوهات الإنتاج" و"مصادر القصة" (مثل المانجا والروايات الخفيفة) ومدى تأثيرها على التقييم النهائي والجماهيرية. النمذجة التنبؤية (Predictive Modeling): قمت بتطوير واختبار نماذج برمجية متقدمة قادرة على توقع تقييم الأنمي (Score) بدقة تصل إلى 63%، وذلك عبر المقارنة بين خوارزميات رائدة مثل Gradient Boosting و Random Forest. محرك التوصيات الذكي (Recommendation System): صممت نظاماً ذكياً يقترح للمستخدمين أعمالاً مشابهة لتفضيلاتهم الشخصية، وذلك من خلال تحليل "البصمة الفنية" لكل عمل باستخدام تقنيات معالجة اللغات الطبيعية (NLP). الأدوات والتقنيات المستخدمة: لغة البرمجة: Python. معالجة البيانات: Pandas, NumPy. التحليل البصري: Matplotlib, Seaborn. تعلم الآلة (Machine Learning): Scikit-learn (Random Forest & Gradient Boosting Regressors).