تحليل بيانات Titanic باستخدام Python | EDA + Preprocessing + نموذج تنبؤي

في هذا المشروع قمت بتنفيذ تحليل بيانات متكامل (End-to-End Data Analysis) على بيانات Titanic بهدف اكتشاف العوامل المؤثرة في نجاة الركاب وبناء نموذج تنبؤي يعتمد على هذه البيانات.

تم تنفيذ المشروع ضمن تدريب عملي، مع التركيز على تطبيق أفضل ممارسات تحليل البيانات ومعالجة البيانات قبل استخدامها في نماذج التعلم الآلي.

ما الذي قمت به في المشروع؟

- إجراء تحليل استكشافي شامل (EDA) لفهم طبيعة البيانات والعلاقات بينها

- تحليل معدلات النجاة بناءً على:

* الجنس (Gender)

* درجة السفر (Pclass)

* العمر (Age)

* حجم العائلة

- تنظيف البيانات ومعالجة المشاكل مثل:

* القيم المفقودة (Missing Values)

* القيم الشاذة (Outliers)

- تنفيذ Feature Engineering لإنشاء متغيرات جديدة مثل:

* Family Size

* Is Alone

- تحويل البيانات لاستخدامها في النماذج (Encoding + Scaling)

- بناء نموذج Machine Learning (Logistic Regression) للتنبؤ بنجاة الركاب

النتائج:

- تحقيق دقة تصل إلى 76.9% على بيانات الاختبار

- اكتشاف أن:

* الإناث لديهم معدل نجاة أعلى بشكل واضح

* ركاب الدرجة الأولى أكثر نجاة

العائلات الصغيرة لديها فرصة نجاة أفضل

الأدوات والتقنيات المستخدمة: Python , Pandas & NumPy , Matplotlib & Seaborn , Scikit-learn , Jupyter Notebook

قيمة المشروع:

هذا المشروع يوضح قدرتي على:

التعامل مع البيانات من البداية للنهاية

استخراج Insights حقيقية تدعم اتخاذ القرار

تجهيز البيانات بشكل احترافي لنماذج Machine Learning

بناء نموذج تنبؤي عملي وقابل للتطوير