مراجعة البيانات وتحديد مشكلاتها (تكرار، قيم فاضية، صيغ مختلفة).
تنظيف البيانات: إزالة التكرارات، معالجة القيم المفقودة بالطريقة المتفق عليها، وتصحيح أنواع البيانات.
تحليل استكشافي بسيط: ملخص إحصائي، وأهم الأنماط والعلاقات بين الأعمدة.
3 رسوم بيانية واضحة باستخدام Matplotlib وSeaborn، مختارة حسب أسئلتك.
ملخص قصير بأهم النتائج وملاحظات جودة البيانات.

ترسل ملفك وتخبرني بما تريد معرفته منه.
أراجع الملف وأخبرك بالمشكلات التي وجدتها قبل أن أبدأ.
أنفّذ التنظيف والتحليل وأسلّمك الملفات، مع تعديلين إن احتجت.

نماذج التنبؤ وMachine Learning. أما اللوحات التفاعلية والملفات الأكبر فتجدها في التطويرات الإضافية.
ملاحظة: تُسلَّم اللوحة التفاعلية ككود بايثون مع ملف تعليمات التشغيل ولقطات شاشة، واستضافتها على الإنترنت غير مشمولة (التطويرات الإضافية).

الأدوات المستخدمة: Python | Pandas | NumPy | Matplotlib | Seaborn
Plotly Dash (للوحة التفاعلية فقط)

أخبرك بالمشكلات قبل التنفيذ وأسلّم في الموعد المتفق عليه.

كل تغيير في بياناتك مكتوب، فلا يُحذف شيء دون سبب.

أختار الرسوم حسب ما تريد معرفته، وليس حسب قالب جاهز.

إن لم تكفِ بياناتك لاستنتاج معيّن، سأخبرك بذلك ولن أُجمّل النتيجة.

تستلمه مرتبًا ومعلّقًا عليه، فتراجعه أو تطوّره لاحقًا.

المدخلات: ملف CSV أو Excel (ملف واحد).
الحجم المشمول: حتى 1,000 صف و15 عمود.
المخرجات: ملف Jupyter Notebook (.ipynb) فيه الكود والشرح + الملف النظيف بصيغة CSV.
الكود مشمول وبتعليقات توضح كل خطوة.
تعديلان.
المدة: يومين 2