توقع نجاة ركاب تيتانيك باستخدام تعلم الآلة

1. مقدمة عن المشروع:

قمت ببناء نموذج ذكاء اصطناعي متكامل لتحليل العوامل المؤثرة في نجاة ركاب سفينة تيتانيك. الهدف لم يكن مجرد التوقع، بل استخلاص "رؤى" (Insights) دقيقة حول البيانات التاريخية وكيفية تأثير الطبقة الاجتماعية والسن والنوع على فرص النجاة.

2. المراحل التقنية للمشروع:

معالجة البيانات (Data Pre-processing): قمت بتنظيف البيانات باستخدام مكتبة Pandas، ومعالجة القيم المفقودة (Null values)، وهندسة الميزات (Feature Engineering) لتحويل البيانات النصية إلى أرقام برمجية مفهومة للموديل.

بناء النماذج (Model Building): قمت بتجربة ومقارنة خوارزميتين:

Logistic Regression: لضمان البساطة والسرعة في النتائج الخطية.

Random Forest: للتعامل مع العلاقات المعقدة بين البيانات.

المقارنة والتقييم: قمت بتقييم النماذج باستخدام Accuracy Score و Classification Report، وتبين تفوق الـ Logistic Regression في هذا السيناريو بدقة وصلت إلى 77.10%، مما يثبت أن العلاقات في هذه البيانات كانت مباشرة وواضحة.

التمثيل البصري (Data Visualization): صممت رسومات بيانية احترافية (Dark Theme) توضح أهم الميزات (Feature Importance) والمقارنة النهائية بين النماذج بأسلوب عصري يسهل فهمه.

3. الأدوات المستخدمة (Tools):

Python (Pandas, NumPy).

Scikit-Learn (Machine Learning Library).

Matplotlib / Seaborn (Data Visualization).

4. النتيجة النهائية:

النموذج الآن قادر على استقبال بيانات أي راكب جديد وتوقع احتمالية نجاته بدقة عالية، مع تقديم تقرير بصري يوضح العوامل التي أدت لهذا التوقع.