Titanic_Analysis

مشروع لتحليل بيانات ركاب سفينة Titanic باستخدام Python، بهدف استكشاف العوامل المرتبطة بنجاة الركاب وفهم الأنماط الموجودة في البيانات من خلال التحليل الاستكشافي (Exploratory Data Analysis).

يعتمد المشروع على مجموعة بيانات تضم 891 راكبًا و12 متغيرًا، تشمل العمر والجنس ودرجة التذكرة وسعرها وعدد أفراد الأسرة وحالة النجاة.

**مراحل العمل على المشروع:**

**1. استكشاف البيانات (Data Understanding)**

فحص البيانات والتعرف على أنواع المتغيرات والإحصائيات الوصفية، وفهم طبيعة المعلومات المتاحة قبل بدء التحليل.

**2. فحص وتنظيف البيانات (Data Cleaning)**

فحص القيم المفقودة والسجلات المكررة والقيم المتطرفة (Outliers)، ومعالجة مشكلات البيانات وتجهيزها للتحليل.

**3. تجهيز وإنشاء متغيرات جديدة (Feature Engineering)**

دراسة متغيرات مشتقة مثل حجم الأسرة والحالة الفردية والفئات العمرية، بهدف الحصول على رؤية أوضح للعوامل المرتبطة بنجاة الركاب.

**4. التحليل الاستكشافي (EDA)**

تحليل ومقارنة معدلات النجاة بناءً على مجموعة من العوامل، من أهمها:

- الجنس (Gender).

- العمر (Age).

- درجة التذكرة (Passenger Class).

- سعر التذكرة (Fare).

- حجم الأسرة (Family Size).

- ميناء الصعود (Embarkation Port).

**5. عرض البيانات بصريًا (Data Visualization)**

استخدام الرسوم البيانية لتوضيح توزيعات البيانات والمقارنات بين مجموعات الركاب، وتسهيل فهم الأنماط والعلاقات المختلفة.

**التقنيات المستخدمة:**

Python | Pandas | NumPy | Matplotlib | Seaborn | Jupyter Notebook | Data Cleaning | EDA | Feature Engineering

**الهدف من المشروع:**

تحويل بيانات Titanic إلى معلومات واضحة وقابلة للفهم، وتطبيق خطوات تحليل البيانات عمليًا بدايةً من استكشاف البيانات وتجهيزها وصولًا إلى تحليل العوامل المرتبطة بمعدلات النجاة وعرض النتائج بصريًا.