تنظيف ومعالجة البيانات باستخدام Python (Data Cleaning & Preprocessing)

يركز هذا المشروع على تجهيز البيانات الخام وتحويلها إلى بيانات نظيفة وقابلة للاستخدام في التحليل وبناء نماذج التعلم الآلي، حيث تُعد مرحلة تنظيف البيانات من أهم مراحل دورة عمل علوم البيانات. تم تنفيذ مجموعة من عمليات معالجة البيانات لضمان تحسين جودتها وتقليل الأخطاء التي قد تؤثر على نتائج التحليل أو أداء النماذج، مع اتباع أفضل الممارسات في تجهيز البيانات. **يتضمن المشروع:** * استكشاف البيانات وفهم بنيتها (Data Exploration). * اكتشاف القيم المفقودة (Missing Values) ومعالجتها. * إزالة البيانات المكررة (Duplicate Records). * اكتشاف القيم الشاذة (Outliers) والتعامل معها. * تنظيف وتنسيق البيانات. * تحويل أنواع البيانات (Data Type Conversion). * ترميز المتغيرات الفئوية (Encoding). * تطبيع البيانات وتهيئتها (Scaling & Normalization). * إنشاء سمات جديدة (Feature Engineering) عند الحاجة. * التحقق من جاهزية البيانات للاستخدام في التحليل أو نماذج التعلم الآلي. **الأدوات والتقنيات المستخدمة:** * Python * Pandas * NumPy * Scikit-learn * Matplotlib * Jupyter Notebook