FAA Aviation Safety – Aircraft Damage Prediction

مشروع Machine Learning لتحليل بيانات حوادث اصطدام الطائرات بالحياة البرية والتنبؤ باحتمالية حدوث أضرار للطائرة.

اعتمد المشروع على FAA Wildlife Strike Database، وتم تنفيذ مراحل معالجة البيانات وبناء النموذج بدايةً من تنظيف البيانات وتجهيزها، وصولًا إلى تدريب وتقييم نماذج Machine Learning.

شمل المشروع:

* تنظيف البيانات وإزالة السجلات المكررة.

* معالجة القيم المفقودة باستخدام أساليب مناسبة لطبيعة البيانات.

* اختيار المتغير المستهدف مع تجنب Data Leakage.

* تنفيذ Feature Engineering وإنشاء متغيرات جديدة.

* معالجة مشكلة عدم توازن الفئات (Class Imbalance).

* استخدام Encoding وScaling لتجهيز البيانات للنمذجة.

* تدريب ومقارنة نماذج Machine Learning مختلفة.

* تقييم النماذج باستخدام Precision وRecall وF1-Score وROC-AUC.

* تحليل النتائج واختيار إعدادات مناسبة لطبيعة مشكلة التنبؤ بالأضرار.

حقق نموذج XGBoost المستخدم في المشروع ROC-AUC بقيمة 0.9003 وRecall بنسبة 81.75% لفئة الأضرار.

التقنيات المستخدمة:

Python, Pandas, NumPy, Scikit-learn, XGBoost, Matplotlib, Seaborn.