تحليل البيانات

تحليل بيانات شامل لمجموعة بيانات كورسات منصة Coursera (أكثر من 3500 كورس) باستخدام Python، تضمّن:

تنظيف ومعالجة البيانات:

تحويل عمود التقييمات من نص إلى قيم رقمية، وتحديد القيم غير الصالحة ("Not Calibrated") ودراسة نسبتها وتأثيرها

استخراج مؤشر جديد (عدد المهارات لكل كورس) وتحديد القيم الشاذة (Outliers) والتحقق منها يدويًا

تحليل استكشافي ورسوم بيانية متعددة:

توزيع التقييمات وعدد المهارات (Histogram, Boxplot) لفهم الشكل العام للبيانات ووجود انحراف

مقارنة التقييمات بين مستويات الصعوبة المختلفة (Boxplot, Violin plot, Bar plot) لتحديد أفضل طريقة عرض

تحليل العلاقة بين عدد المهارات والتقييم (Scatter plot)

عرض أفضل 10 جامعات من حيث عدد الكورسات، ومقارنة توزيع مستويات الصعوبة بين أكبر 5 جامعات

تحليل إحصائي متقدم:

حساب المتوسط والوسيط والحد الأدنى والأقصى لكل مستوى صعوبة دفعة واحدة

تحديد الجامعة الأعلى تقييمًا، مرة بدون شرط ومرة بشرط حد أدنى 10 كورسات، لتفادي التحيز الإحصائي

إعادة تشكيل البيانات في جدول محوري (Pivot Table) لعرض عدد الكورسات لكل جامعة حسب مستوى الصعوبة

حساب انحراف تقييم كل كورس عن متوسط مجموعة صعوبته، وانحراف كل جامعة عن المتوسط العام

تخصيص بصري احترافي:

استخدام Palettes مختلفة (فئوية، متدرجة، متباينة) حسب نوع البيانات المعروضة

تمييز أعمدة معينة بالألوان بناءً على شروط (أعلى قيمة، أقل من حد معين)

استخدام Faceting لتقسيم الرسوم حسب فئات إضافية (مُقيَّم/غير مُقيَّم)

هذا المشروع يوضح قدرتي الكاملة على دورة تحليل البيانات من البداية للنهاية: التنظيف، الاستكشاف، التحليل الإحصائي، وبناء رسوم بيانية احترافية تدعم اتخاذ القرار.

الأدوات المستخدمة: Python, Pandas, Seaborn, Matplotlib, Jupyter Notebook