وصف المشكلة:

تحتوي بيانات ركاب Titanic على قيم مفقودة ومتغيرات متعددة، مما يجعل تحليل العوامل المرتبطة بالنجاة أكثر تعقيدًا بدون معالجة وتنظيم مناسب للبيانات.

الحل:

قمت بتنظيف البيانات ومعالجة القيم المفقودة باستخدام Pandas، وإنشاء Features مناسبة، ثم حللت العلاقة بين النجاة وعدة عوامل مثل العمر والجنس ودرجة السفر وسعر التذكرة وميناء الصعود باستخدام Matplotlib وSeaborn. كما أنشأت Dashboard تفاعلية باستخدام Dash وPlotly، تحتوي على فلاتر ومؤشرات رئيسية ورسومات مترابطة لعرض النتائج بصريًا.

النتيجة:

تم تحويل البيانات الخام إلى تحليل بصري واضح وتفاعلي، أوضح أن نسبة النجاة الإجمالية حوالي 38%، وأن النساء ومسافري الدرجة الأولى كانت فرصتهم في النجاة أعلى.