مشروع تحليلي شامل لبيانات طلاب جامعة لاستكشاف وتحليل أداء الطلاب

مراجعة جودة البيانات: اكتشاف البيانات غير الصالحة (البريد الإلكتروني، أرقام الهواتف، الدرجات خارج النطاق، التواريخ غير الصحيحة، المعرفات الوهمية) تحليل الأداء الأكاديمي: تقييم أداء الأقسام المختلفة (BA, CS, ENG, IT, MTH) تحليل أداء المقررات الدراسية الـ 19 مقارنة الأداء بين الجنسين دراسة تأثير رتبة المدرس على نتائج الطلاب تحليل الحضور والغياب: دراسة نسبة الحضور وتأثيرها على الأداء تحديد الطلاب غير المؤهلين للاختبارات النهائية التصور البياني المتقدم: إنشاء مجموعة شاملة من الرسوم البيانية باستخدام Matplotlib و Seaborn استخراج الرؤى والتوصيات: تقديم توصيات عملية لتحسين الأداء الأكاديمي النتائج الرئيسية: معدل النجاح الإجمالي: 92.7% قسم الرياضيات (MTH) الأفضل بمتوسط 92.73 ونقاط GPA 4.00 قسم تقنية المعلومات (IT) الأضعف بمتوسط 75.46 و GPA 2.58 مقرر "تطوير الويب" له أعلى معدل رسوب (50%) الطالبات يتفوقن على الطلاب بـ 5.8 نقاط لأدوات المستخدمة: لغات البرمجة: Python 3 المكتبات المستخدمة: Pandas - لمعالجة وتحليل البيانات Matplotlib - لإنشاء التصورات البيانية المتقدمة Matplotlib GridSpec - لتخطيط الرسوم المعقدة Matplotlib Patches - للعناصر الرسومية المخصصة Matplotlib Ticker - للتحكم في المحاور Seaborn - للرسوم البيانية الإحصائية والخرائط الحرارية Warnings - لتجاهل التحذيرات OS - للتعامل مع المسارات والمجلدات بيئة العمل: Google Colab / Jupyter Notebook مهارات مستخدمة: Exploratory Data Analysis (EDA) Data Quality Audit Data Cleaning & Preprocessing Advanced Data Visualization Statistical Analysis Correlation Analysis Performance Benchmarking Insight Generation نوع البيانات: بيانات طلاب جامعيين 20,847 صف في البيانات الخام 90 طالب في البيانات النظيفة 5 برامج دراسية 19 مقرر دراسي 5 أقسام أكاديمية