تحليل واستكشاف بيانات صناعة السينما العالمية باستخدام Python

"قمت بتحويل مجموعة بيانات ضخمة (أكثر من 6000 فيلم) من بيانات خام غير منظمة إلى تقرير تفاعلي يكشف أسرار الربحية في هوليوود.

- ماذا قدمت في هذا المشروع؟

تنظيف البيانات (Data Cleaning): التعامل مع القيم المفقودة، توحيد تنسيقات التواريخ، وحل مشاكل التكرار لضمان جودة البيانات.

هندسة البيانات (Feature Engineering): خلق مؤشرات جديدة مثل "صافي الربح" و"العائد على الاستثمار ROI" و"موسم العرض" لتحليل أعمق.

التحليل الإحصائي (Correlation Analysis): استخدام مصفوفات الارتباط (Heatmaps) لاكتشاف المحركات الحقيقية للإيرادات.

تحليل القيم الشاذة (Outliers): تفسير منطقي لنجاح أفلام الميزانيات الصغيرة وفشل أفلام المنصات (مثل Netflix) رقمياً.

التصور البياني (Visualization): تحويل الأرقام الجافة إلى رسوم بيانية احترافية تسهل اتخاذ القرار."

- "أرفقت عينة من البيانات الخام قبل التنظيف + عرض مرئي يوضح مراحل التحليل والنتائج النهائية لإظهار منهجية العمل كاملة."