في هذا المشروع، نفذت عملية متكاملة لتنظيف بيانات مستشفى تجريبية باستخدام Python, Pandas, NumPy, Matplotlib, Seaborn لتحويل البيانات الخام إلى سجلات منظمة وجاهزة للتحليل.

المشكلة والأهداف:
البيانات الخام غالبًا ما تعاني من:
السجلات المكررة والقيم الناقصة.
اختلافات تنسيق الفئات والبريد الإلكتروني والتواريخ.
قيم غير منطقية في الأعمار، التكاليف، ومدة الإقامة.

ما تم تنفيذه:
فحص الجودة، إزالة التكرارات، وتوحيد القيم الناقصة والفئات.
التحقق من صحة القيم الرقمية، البريد، والتواريخ.
استخراج خصائص جديدة، رسم مؤشرات الأنماط، وتصدير البيانات مع تقرير الجودة.

النتائج والأدوات:
النتائج: معالجة 1,212 سجلًا وتصفيتها إلى 1,200 سجل دقيق ونظيف.
الأدوات: Python, Pandas, NumPy, Matplotlib, Jupyter Notebook.

المخرجات: ملف CSV نظيف، تقرير جودة، ملف Jupyter Notebook، ورسوم بيانية.

ملاحظة: البيانات اصطناعية ومخصصة للتجربة والتوضيح فقط.