تحليل بيانات Titanic والتنبؤ بالنجاة باستخدام Python

الملخص: تم تنفيذ مشروع كامل لتحليل البيانات والتنبؤ باستخدام تقنيات التعلم الآلي على بيانات ركاب سفينة تيتانيك. الهدف هو تحويل البيانات التاريخية إلى رؤى قابلة للاستخدام وبناء أداة تنبؤية دقيقة. الأدوات والمنهجية التقنية: تم استخدام لغة Python وأدواتها الرائدة لضمان جودة التحليل. اعتمدت المنهجية على مكتبة Pandas لتنظيف وتجهيز البيانات المعقدة التي تحتوي على قيم مفقودة (مثل العمر)، ثم استخدام Seaborn وMatplotlib للتحليل الاستكشافي والتصور البياني. تم تطبيق خوارزميات التعلم الآلي (ML) لبناء نموذج تنبؤي بنتيجة النجاة. الرؤى الرئيسية والقيمة المستخلصة: أبرز المشروع قدرتي على استخلاص أنماط حاسمة من البيانات الخام، حيث كشف التحليل عن عوامل مؤثرة بشكل كبير في احتمالية النجاة: أثر العوامل الاجتماعية: وُجد ارتباط قوي بين فرص النجاة وكل من الجنس (ارتفاع نسبة نجاة الإناث) ودرجة الكابينة (أعلى نسبة نجاة في الدرجة الأولى). العامل العمري: أظهرت فئة الأطفال نسب نجاة أعلى من المتوسط، مما يؤكد مبدأ "النساء والأطفال أولاً". إنجازات المشروع: إدارة البيانات المعقدة: نجاح في معالجة البيانات وتنظيفها وتجهيزها للتحليل. بناء النماذج التنبؤية: تم تدريب نموذج تعلم آلي يحقق دقة جيدة في التنبؤ، مما يثبت خبرتي في تطبيق الذكاء الاصطناعي لحل المشكلات.