🧩 وصف المشروع:
يهدف هذا المشروع إلى التنبؤ بأسعار أسهم شركة Google باستخدام نموذج من الشبكات العصبية يُعرف باسم LSTM (Long Short-Term Memory)، وهو نوع من الشبكات العصبية المتكررة (RNN) مصمم خصيصًا لمعالجة البيانات الزمنية مثل أسعار الأسهم.
تم تدريب النموذج على بيانات تاريخية لأسعار الأسهم، حيث يتعلم الأنماط الزمنية والاعتمادية بين القيم خلال فترة زمنية تمتد لـ 60 يومًا، وذلك للتنبؤ بالسعر المستقبلي للسهم.
تمت معالجة البيانات مسبقًا باستخدام MinMaxScaler لتطبيع القيم، وتم بناء النموذج باستخدام مكتبة Keras مع عدة طبقات متتالية من LSTM وإضافة Dropout لتقليل خطر الـ overfitting.
بعد التدريب، يقوم النموذج بتوقع الأسعار المستقبلية ويعرض مقارنة بين الأسعار الحقيقية والمتوقعة من خلال رسم بياني واضح.
⚙️ التقنيات المستخدمة:
Python 🐍
Keras / TensorFlow
NumPy و Pandas
Matplotlib
Scikit-learn
🔍 خطوات العمل:
معالجة البيانات وتطبيعها (Feature Scaling)
إنشاء تسلسلات زمنية (نافذة 60 يوم)
بناء نموذج LSTM مكون من 4 طبقات
تدريب النموذج باستخدام Adam Optimizer
التنبؤ بأسعار الأسهم ورسم النتائج
📊 النتائج:
نجح النموذج في التقاط الأنماط الزمنية في بيانات أسعار الأسهم، وقدّم تنبؤات واقعية لاتجاهات الأسعار، مما يجعله نموذجًا مبدئيًا قويًا لتطبيقات التنبؤ المالي.
