Data Preprocessing Sales Dataset

نفذت مشروع متكامل لمعالجة وتنظيف بيانات المبيعات بهدف تجهيزها لاستخدامها في نماذج تعلم الآلة للتنبؤ بما إذا كان العميل سيقوم بشراء أكثر من 3 منتجات في معاملة واحدة. الخطوات المنفذة: استكشاف البيانات (EDA): تحليل وصفي وإحصائي مع تصورات بيانية لفهم الأنماط. تنظيف البيانات: معالجة القيم المفقودة والشاذة وتصحيح الأنواع. هندسة الخصائص (Feature Engineering): إنشاء عمود الهدف لتصنيف سلوك الشراء وإضافة متغيرات مشتقة. معالجة عدم التوازن (Imbalanced Data): استخدام تقنيات مثل SMOTE لإعادة توازن الفئات. تصورات بيانية: رسم العلاقات بين الأعمدة واكتشاف الأنماط في المبيعات. تجهيز البيانات النهائية: إنتاج ملف بيانات نظيف ومنظم وجاهز للنماذج التنبؤية. الأدوات والتقنيات: Python: Pandas, NumPy, Scikit-learn. تصورات: Matplotlib, Seaborn. بيئة العمل: Jupyter Notebook لعرض وتنفيذ الخطوات مع التوثيق. المخرجات: ملف بيانات نظيف جاهز للتحليل والنمذجة. Notebook كامل يحتوي على الأكواد، الشرح، والرسوم التوضيحية.