Data Pre-processing Python Project

في هذا المشروع قمت بإجراء معالجة شاملة للبيانات (Data Pre-processing) على مجموعة بيانات واقعية بهدف تحسين جودة البيانات وتجهيزها لبناء نماذج تعلم آلي عالية الأداء.

تنظيف البيانات (Data Cleaning):

معالجة القيم المفقودة، إزالة البيانات المكررة، والتعامل مع القيم الشاذة لضمان جودة البيانات.

تحويل البيانات (Data Transformation):

تحويل المتغيرات الفئوية باستخدام Label Encoding وOne-Hot Encoding، بالإضافة إلى تطبيق Normalization لجعل البيانات أكثر ملاءمة للنماذج.

تقليل البيانات (Feature Selection):

اختيار أهم المتغيرات باستخدام تحليل الارتباط (Correlation Filtering) لتحسين كفاءة النماذج وتقليل الضوضاء.

تقليل الأبعاد (Dimensionality Reduction):

استخدام PCA – Principal Component Analysis لتقليل تعقيد البيانات مع الحفاظ على الأنماط والمعلومات المهمة.

يوضح هذا المشروع خبرتي في تنظيف البيانات، تحويلها، وهندسة السمات (Feature Engineering) وهي خطوات أساسية لبناء نماذج تعلم آلي دقيقة وفعّالة.