يعد هذا المشروع تطبيقاً عملياً على تحليل البيانات الاستكشافي (Exploratory Data Analysis) لواحدة من أشهر مجموعات البيانات في تعلم الآلة، وهي بيانات ركاب سفينة تايتانيك. يهدف المشروع إلى تنظيف البيانات، ومعالجة القيم المفقودة، واستخراج رؤى حول العوامل التي أثرت في احتمالية نجاة الركاب.
المهارات والتقنيات المستخدمة:
لغة البرمجة: Python.
المكتبات: Pandas للمعالجة، NumPy للحسابات، وMatplotlib و Seaborn للتصوير البياني.
معالجة البيانات (Data Preprocessing): التعامل مع القيم المفقودة (Handling Missing Values) باستخدام طرق مثل الـ ffill.
هندسة الميزات (Feature Engineering): إنشاء ميزات جديدة مثل "عدد الأقارب" (Relatives) لتبسيط التحليل.
التصنيف والتقسيم: استخدام pd.cut لتقسيم الأعمار إلى فئات عمرية (رضيع، طفل، مراهق، بالغ، مسن).
خطوات العمل التي تمت في المشروع:
استكشاف البيانات: قراءة ملف البيانات وتحديد أنواع الأعمدة والمشكلات الموجودة بها.
تنظيف البيانات: التخلص من الأعمدة غير المؤثرة (مثل رقم التذكرة والاسم) ومعالجة القيم المفقودة في أعمدة "العمر" و"ميناء الصعود".
هندسة الميزات: دمج أعمدة الأقارب في عمود واحد لتمثيل حجم العائلة.
تحليل العلاقات: استخدام الرسوم البيانية لاستكشاف العلاقة بين الجنس، الفئة العمرية، ودرجة السفر وبين معدلات النجاة.
3. النتائج المستخلصة (Key Insights):
تأثير الجنس: أظهر التحليل أن احتمالية نجاة الإناث كانت أعلى بكثير مقارنة بالذكور.
تأثير الدرجة: ركاب الدرجة الأولى كانت لديهم أعلى معدلات نجاة مقارنة بالدرجات الأخرى.
الفئات العمرية: الأطفال وكبار السن كانوا من الفئات الأكثر حظاً في النجاة مقارنة بالبالغين.
