Airline Delay Predicto

خطوات العمل على المشروع (The Pipeline):

تنظيف البيانات (Data Preprocessing): تعاملت مع القيم المفقودة (Missing Values)، واستخدمت تقنية الـ IQR لاكتشاف ومعالجة القيم المتطرفة (Outliers) لضمان جودة البيانات.

هندسة الميزات (Feature Engineering): استخرجت معدلات جديدة زي (Delay Rate) و (Cancel Rate) عشان أساعد الموديل يفهم الداتا بشكل أعمق.

بناء النماذج (Model Building): درّبت وقارنت بين أكتر من خوارزمية للوصول لأفضل أداء، واعتمدت على:

Random Forest Regressor

Gradient Boosting Regressor

Hist Gradient Boosting Regressor

التطبيق العملي (Deployment): الموديل مش مجرد كود على الورق! بنيت واجهة مستخدم تفاعلية بسيطة باستخدام Gradio، بتسمح لأي شخص إنه يدخل بيانات الرحلة ويشوف توقعات التأخير في ثواني.

​التجربة دي فرقت معايا جداً في ربط مفاهيم الـ Data Analysis والـ Machine Learning بتطبيق عملي ليه واجهة مستخدم فعلية.