Movie Recommendation Analysis

قمت ببناء نظام توصية أفلام باستخدام بيانات TMDB، حيث يجمع بين متوسط تقييم الفيلم ومدى شعبيته للحصول على توصيات أكثر دقة وجودة.

أجريت عمليات تنظيف البيانات (Data Cleaning) ومعالجتها واستخراج خصائص جديدة منها (Feature Engineering) لتحسين جودة التحليل.

نفذت تحليلًا استكشافيًا للبيانات (EDA) لفهم خصائص الأفلام واكتشاف الأنماط والعلاقات المختلفة داخل البيانات.

طبقت وقارنت بين عدة أساليب للتوصية بالأفلام، مثل:

التوصية بناءً على الشعبية (Popularity-Based Recommendation).

التوصية باستخدام التقييمات المرجحة (Weighted Rating).

نموذج هجين (Hybrid Model) يجمع بين التقييمات والشعبية لتحقيق نتائج أفضل.

استخدمت أدوات التصور البياني لعرض الاتجاهات والإحصائيات المتعلقة بالأفلام والتقييمات بطريقة تفاعلية تساعد على فهم البيانات واتخاذ القرارات.

التقنيات المستخدمة:

Python، Pandas، NumPy، Matplotlib، Seaborn، Plotly، Scikit-learn.