Titanic Survival Prediction

### Titanic Survival Prediction

**نبذة عن المشروع:**

مشروع لتحليل بيانات ركاب سفينة Titanic وبناء نموذج Machine Learning للتنبؤ باحتمالية نجاة الراكب بناءً على مجموعة من الخصائص الشخصية وبيانات الرحلة.

### مراحل العمل

**1. استكشاف البيانات (EDA)**

تم تحليل البيانات لفهم خصائص الركاب ودراسة العلاقة بين المتغيرات واحتمالية النجاة، مثل العمر، الجنس، درجة التذكرة، وعدد أفراد العائلة.

**2. تنظيف وتجهيز البيانات**

تم التعامل مع القيم المفقودة والبيانات غير المناسبة للتحليل، بالإضافة إلى تحويل وتجهيز المتغيرات لتكون مناسبة لتدريب نموذج Machine Learning.

**3. Feature Engineering**

تم تجهيز واختيار الـFeatures الأكثر ارتباطًا بعملية التنبؤ، وتحويل المتغيرات النصية إلى بيانات قابلة للاستخدام بواسطة النموذج.

**4. بناء نموذج Machine Learning**

تم تدريب نموذج تصنيف للتنبؤ بما إذا كان الراكب قد نجا أم لا.

**5. تقييم النموذج**

تم تقييم أداء النموذج باستخدام مقاييس مناسبة لمشكلة التصنيف، ومقارنة النتائج للتأكد من قدرة النموذج على التنبؤ بشكل جيد.

### الأدوات والتقنيات

* Python

* Pandas

* NumPy

* Matplotlib

* Seaborn

* Scikit-learn

* Exploratory Data Analysis

* Machine Learning

* Classification

### مخرجات المشروع

تم بناء نموذج Machine Learning قادر على التنبؤ بنجاة ركاب Titanic اعتمادًا على بياناتهم، بالإضافة إلى إجراء تحليل استكشافي ساعد على فهم العوامل المرتبطة بمعدلات النجاة.

**الهدف النهائي:** تطبيق تقنيات Data Analysis وMachine Learning على Dataset واقعية، بدايةً من تنظيف البيانات واستكشافها وحتى بناء وتقييم نموذج تنبؤي.