Titanic Beyond Baseline — Advanced Machine Learning & Data Analysis

طورت مشروعًا متكاملًا لتحليل بيانات ركاب Titanic وبناء نماذج Machine Learning للتنبؤ باحتمالية نجاة الركاب. بدأ المشروع بمرحلة تحليل واستكشاف البيانات (EDA)، ثم تنظيف البيانات ومعالجة القيم المفقودة وإنشاء مجموعة متقدمة من الخصائص (Feature Engineering) لتحسين أداء النماذج. شمل المشروع: • تحليل شامل للبيانات واكتشاف الأنماط والعلاقات بين المتغيرات. • تنظيف ومعالجة البيانات وتجهيزها للنمذجة. • إنشاء Features متقدمة لتحسين جودة التنبؤ. • تدريب ومقارنة عدة نماذج Machine Learning. • استخدام CatBoost وLightGBM وXGBoost وRandom Forest وSVM وLogistic Regression وKNN. • استخدام Optuna لتحسين Hyperparameters للنماذج. • بناء Ensemble Models لتحسين النتائج. • استخدام SHAP لتفسير تأثير الخصائص على تنبؤات النموذج. • إنشاء رسوم بيانية تفاعلية واحترافية باستخدام Plotly. • تقييم النماذج باستخدام Cross-Validation ومقاييس أداء متعددة. • تنظيم المشروع في Pipeline قابلة لإعادة الاستخدام. التقنيات المستخدمة: Python | Pandas | NumPy | Scikit-Learn | CatBoost | XGBoost | LightGBM | Optuna | SHAP | Plotly | Machine Learning | Data Analysis