Googleplaystore preprocessing

مشروع تحليل بيانات تطبيقات Google Play Store لاستخراج رؤى حول العوامل التي تؤثر على تقييمات التطبيقات، عدد التحميلات، والأسعار. استخدمت في المشروع تقنيات تحليل البيانات، التنقيب عن المعلومات، والتعلم الآلي للوصول إلى استنتاجات مفيدة لمطوري التطبيقات وأصحاب الأعمال.

المهام الأساسية:

تنظيف ومعالجة البيانات باستخدام Pandas وNumPy للتعامل مع القيم المفقودة والبيانات غير النظيفة.

تحليل استكشافي (EDA) باستخدام Matplotlib وSeaborn لفهم توزيع البيانات والاتجاهات.

استخدام تقنيات التعلم الآلي مثل التصنيف والانحدار لتوقع تقييمات التطبيقات بناءً على عوامل مثل عدد التقييمات، الفئة، والسعر.

استخراج Insights تساعد في تحسين استراتيجيات تطوير التطبيقات ونشرها.

️ الأدوات والتقنيات المستخدمة:

Python (Pandas, NumPy, Matplotlib, Seaborn, Scikit-learn)

Jupyter Notebook

Machine Learning Models (Regression, Classification)

النتائج:

تحديد العوامل الأكثر تأثيرًا على تقييمات التطبيقات.

اكتشاف العلاقة بين عدد التحميلات وسعر التطبيق.

تقديم توصيات لمطوري التطبيقات لتحسين أداء التطبيقات في المتجر.