الأدوات:
Python (Pandas, NumPy)، Seaborn، Matplotlib، Jupyter Notebook
الهدف:
إجراء تحليل استكشافي شامل لبيانات ركاب سفينة تايتانيك لاكتشاف الأنماط الخفية التي أثرت على معدلات النجاة باستخدام مكتبات Python المتقدمة.

أهم الجوانب التقنية:

هندسة البيانات (Data Engineering):
تنفيذ عمليات مكثفة لتنظيف البيانات ومعالجة القيم المفقودة وتوحيد المدخلات لضمان جاهزية البيانات للتحليل.

تحليل إحصائي:
اكتشاف ارتباط مهم بين الحالة الاجتماعية والاقتصادية للركاب (Pclass) ومعدل النجاة، حيث مثل ركاب الدرجة الثالثة أكبر شريحة من الركاب بنسبة 47.4%.

التصور المتقدم للبيانات:
إنشاء خرائط ارتباط (Correlation Heatmaps) ورسوم Box Plots لتحليل العلاقة بين العمر والأجرة المدفوعة ومعدل النجاة، مما ساعد في تحديد الفئات الأكثر عرضة للخطر.