پروژه ها
📊 پروژه‌ی پیش‌پردازش داده‌های فروش (Sales Data Preprocessing)
در این پروژه، با تکیه بر علم داده و پاک‌سازی داده‌ها، یک مجموعه داده‌ی فروش را آماده‌ی تحلیل‌های عمیق‌تر می‌کنیم. شاید به نظر ساده بیاد، اما حقیقت اینه که بیش از ۷۰٪ زمان پروژه‌های تحلیل داده صرف پاک‌سازی و آماده‌سازی داده‌ها می‌شه — و این پروژه نشون می‌ده چرا این مرحله انقدر حیاتی‌ـه.
🔍 هدف پروژه:
ساخت یک دیتاست تمیز، دقیق و قابل اعتماد برای استفاده در تحلیل‌های آماری یا مدل‌های یادگیری ماشین.
🛠 مراحل انجام‌شده:
- حذف رکوردهای بدون شناسه مشتری (Customer ID)
حذف فاکتورهایی که شناسه‌ی مشتری ندارند، برای جلوگیری از تحلیل‌های ناقص. - حذف رکوردهای تکراری
حذف ردیف‌هایی که تمام مقادیرشان کاملاً مشابه بوده تا از تحریف در نتایج جلوگیری شود. - حذف قیمت‌های نامعتبر
فیلتر کردن ردیف‌هایی که قیمت واحد آن‌ها صفر یا منفی است، چون نشان‌دهنده‌ی خطا یا سفارشات ناصحیح هستند. - محاسبه درصد سفارشات لغو شده
برای درک وضعیت کلی و نرخ لغو سفارشات، درصد سفارشات برگشتی محاسبه شده است. - شناسایی مشتریان با بیشترین لغو سفارش
پنج مشتری با بیشترین میزان لغو سفارش شناسایی شده‌اند که در آینده می‌تواند برای تحلیل رفتار مشتری یا بهینه‌سازی تجربه خرید استفاده شود. - حذف کامل سفارشات لغو شده از دیتاست
برای آماده‌سازی داده‌ی نهایی، تمام سفارشات لغو شده از دیتاست حذف شده‌اند. - ذخیره دیتای پاک‌سازی‌شده
دیتاست نهایی در قالب فایل CSV ذخیره شده تا در مراحل بعدی مثل تحلیل داده یا مدلسازی به کار گرفته شود.
🧰 ابزارهای استفاده‌شده:
- Pandas: کتابخانه‌ای قدرتمند در پایتون برای پردازش و پاک‌سازی داده‌ها.
🎯 چرا این پروژه مهمه؟
قبل از هر مدلسازی یا تصمیم‌گیری، کیفیت داده‌ها حرف اول رو می‌زنه. اگر داده‌هات دقیق و ساختارمند نباشن، حتی پیشرفته‌ترین مدل‌ها هم به خطا می‌افتن. این پروژه با تمرکز روی بهبود کیفیت داده، مسیر موفقیت در مراحل بعدی تحلیل را هموار کرده.
💡 این پروژه برای چه کسی مفیده؟
اگر علاقه‌مند به شروع یادگیری تحلیل داده (Data Analysis) یا یادگیری ماشین (Machine Learning) هستی، این پروژه مثال خوبی از دقت و نظم در مراحل ابتدایی کاره. مخصوصاً برای افرادی که می‌خوان بدون مدلسازی پیچیده، روی مهارت‌های پایه‌ای در تمیز کردن و آماده‌سازی داده‌ها تمرکز کنن.