يهدف هذا المشروع إلى بناء نموذج تعلم آلي لتوقع أسعار الكشف الطبي للأطباء بناءً على مجموعة من العوامل مثل التخصص، سنوات الخبرة، تقييم المرضى، المدينة، وعدد الاستشارات.
يتضمن العمل تنظيف البيانات ومعالجتها، ثم تحليلها لاستخراج أهم العوامل المؤثرة في تحديد أجر الطبيب.
بعد ذلك، يتم تدريب نماذج تعلم آلي مثل الانحدار الخطي (Linear Regression) أو أشجار القرار (Decision Trees) أو نماذج أكثر تعقيداً مثل XGBoost للحصول على توقعات دقيقة.
يتم تقييم أداء النموذج باستخدام مقاييس مثل متوسط الخطأ المطلق (MAE) وجذر متوسط مربع الخطأ (RMSE)، مع تحسين النتائج عبر ضبط المعلمات (Hyperparameter Tuning).
الهدف من المشروع هو مساعدة العيادات والمنصات الطبية في تقدير رسوم الأطباء بشكل أكثر دقة وشفافية.
