مشروع متكامل (End-to-End) لتحليل بيانات رضا ركاب شركات الطيران والتنبؤ بما إذا كان الراكب "راضٍ" أو "غير راضٍ" بناءً على تفاصيل الرحلة، تقييمات الخدمة، وبيانات التأخير.

تم تنفيذ المشروع على مراحل:

تنظيف البيانات ومعالجة القيم المفقودة (129,880 صف × 22 عمود)
تحليل استكشافي شامل (EDA) لتحديد أهم العوامل المؤثرة في الرضا
هندسة ميزات جديدة (Feature Engineering) مثل تصنيف التأخير ودرجة الخدمة
اختيار الميزات باستخدام Mutual Information و Random Forest Importance
بناء ومقارنة 5 نماذج تعلم آلة (Logistic Regression، Decision Tree، Random Forest، Gradient Boosting، XGBoost)
ضبط المعاملات (Hyperparameter Tuning) للنموذج الأفضل أداءً (XGBoost)، والذي حقق دقة 95.8% ومعامل ROC-AUC بقيمة 0.994
تفسير النموذج باستخدام SHAP لفهم تأثير كل عامل على القرار
ترجمة النتائج إلى توصيات عملية لشركة الطيران (مثل أن راحة المقعد والترفيه الجوي هما أهم عاملين، وأن ولاء العميل يرفع نسبة الرضا من 24% إلى 61.6%)
نشر النموذج النهائي كتطبيق ويب تفاعلي باستخدام Streamlit