Titanic project

1. المشكلة التي يحلها المشروع:

تتضمن بيانات حادثة التايتانيك العديد من التحديات الشائعة في عالم البيانات الواقعية، مثل القيم المفقودة (Missing Values)، البيانات غير المنظمة، والمتغيرات غير الرقمية. المشكلة الأساسية هي كيفية استخلاص الأنماط الخفية والعوامل المؤثرة التي حددت فرص نجاة الركاب، وتحويل هذه البيانات الخام إلى نموذج تنبؤي قادر على تحديد احتمالية نجاة الأشخاص بناءً على خصائصهم.

2. الحل التقني والمنهجية:

تم تطبيق مسار عمل متكامل لمعالجة وتحليل البيانات باستخدام أحدث المكتبات البرمجية (Pandas, Matplotlib, Scikit-Learn):

معالجة وتنظيف البيانات (Data Preprocessing): معالجة القيم المفقودة، تحويل البيانات النصية إلى أرقام (Categorical Encoding)، وتحشيد المهارات المتقدمة لتجهيز البيانات للنماذج الذكية.

التحليل البصري للبيانات (Data Visualization): رسم ورصد العلاقات بين العوامل المختلفة (مثل الفئة، الجنس، السن، وسعر التذكرة) وبين نسب النجاة باستخدام Matplotlib للوصول لنتائج بصرية واضحة.

البناء والتنبؤ (Machine Learning Prediction): بناء وتدريب نموذج تعلم آلي باستخدام Scikit-Learn (sklearn) للتنبؤ بنسبة نجاة الركاب بدقة عالية بناءً على العوامل المستخرجة.

3. القيمة المضافة:

دورة كاملة لمعالجة البيانات: تقديم مثال عملي متكامل يبدأ من تنظيف البيانات الخام وصولاً إلى التنبؤ الآلي.

فهم السلوك والأنماط: استخراج رؤى تحليلية توضح كيف أثرت العوامل الديموغرافية والاجتماعية على معدلات النجاة.

نموذج قابل للتطوير: بناء بنية برمجية منظمة يُمكن تطبيقها بسهولة على مشروعات تنبؤية وتصنيفية مشابهة.