Flight Delay - Multi-Class Classification

قمت بتطوير نموذج متقدم يعتمد على تقنيات الذكاء الاصطناعي وتحليل البيانات الضخمة للتنبؤ باحتمالية تأخر الرحلات الجوية قبل حدوثها. المشروع لا يقتصر فقط على التوقع، بل يحلل الأسباب الجذرية للتأخير (مثل الطقس، أداء شركات الطيران، والازدحام الملاحي) لمساعدة أصحاب المصلحة على اتخاذ قرارات مبنية على بيانات دقيقة.

المهام التي قمت بتنفيذها:

استخراج وتحليل البيانات (EDA): التعامل مع مجموعة بيانات ضخمة (Big Data) تشمل ملايين الرحلات، وتحديد الأنماط المخفية التي تؤدي للتأخير.

هندسة الميزات (Feature Engineering): دمج بيانات الطقس اللحظية مع بيانات الرحلات لرفع دقة النموذج، وتحويل المتغيرات الزمنية والمكانية لبيانات قابلة للمعالجة.

بناء النماذج الذكية: مقارنة عدة خوارزميات مثل (Random Forest, XGBoost, LightGBM) واختيار النموذج الأكفأ من حيث السرعة والدقة.

تقييم الأداء: استخدام معايير دقيقة مثل (F1-Score, Precision, Recall) لضمان أن التوقعات ليست مجرد تخمينات بل نتائج موثوقة.

الأدوات والتقنيات المستخدمة:

لغة البرمجة: Python.

تحليل البيانات: Pandas, NumPy.

التعلم الآلي: Scikit-learn, XGBoost.

تصور البيانات: Matplotlib, Seaborn (لإنشاء رسوم بيانية توضح توزيع التأخيرات).

بيئة العمل: Jupyter Notebook / VS Code.