قمت بتنفيذ مشروع تحليل بيانات متكامل باستخدام Dataset خاص بحادثة Titanic بهدف التنبؤ بنجاة الركاب اعتمادًا على مجموعة من الخصائص مثل العمر، النوع، والدرجة الاجتماعية.
بدأت المشروع بمرحلة تنظيف البيانات (Data Cleaning & Preprocessing)، حيث تعاملت مع القيم المفقودة، وعالجت البيانات غير المكتملة، بالإضافة إلى تحويل المتغيرات النصية إلى شكل رقمي مناسب لاستخدامه في النماذج.
بعد ذلك، أجريت تحليل استكشافي للبيانات (EDA) لفهم الأنماط والعلاقات داخل البيانات، مثل تأثير الجنس أو درجة السفر على نسبة النجاة، وهو ما ساعد في استخراج Insights مهمة من البيانات.
المشاريع من هذا النوع تعتمد بشكل أساسي على فهم العلاقات بين الخصائص المختلفة للتنبؤ بالنتائج
قمت أيضًا بعملية Feature Engineering لتحسين جودة البيانات وزيادة كفاءة النموذج، من خلال إنشاء متغيرات جديدة تساعد في تحسين التنبؤ.
في مرحلة النمذجة، قمت ببناء وتدريب عدة نماذج باستخدام Machine Learning، ثم مقارنة أدائها لاختيار النموذج الأفضل.
المشروع يتبع Pipeline كاملة تشمل preprocessing وEDA وبناء النموذج وتقييمه
كما قمت بتقييم النماذج باستخدام مقاييس مثل:
Accuracy
Precision
Recall
Confusion Matrix
وفي النهاية، توصلت إلى نموذج قادر على التنبؤ باحتمالية نجاة الركاب بدقة جيدة، بالإضافة إلى تحديد أهم العوامل المؤثرة في النجاة.
🛠 التقنيات المستخدمة
Python (Pandas, NumPy)
Matplotlib & Seaborn
Scikit-learn
🎯 الهدف من المشروع
تحليل بيانات تاريخية واستخدام تقنيات الذكاء الاصطناعي لاكتشاف الأنماط الخفية والتنبؤ بالنتائج، مما يساعد في فهم العوامل المؤثرة في اتخاذ القرار.
