تحليل بيانات السيارات وبناء نموذج لتوقع الأسعار باستخدام Python

في هذا المشروع قمت بتحليل بيانات مبيعات السيارات وبناء نموذج تعلم آلي لتوقع أسعار السيارات بناءً على مجموعة من الخصائص مثل سنة الصنع، عدد الكيلومترات، نوع الوقود، وسعة المحرك. الخطوات التي تم تنفيذها: تنظيف البيانات من القيم المفقودة والتكرارية ومعالجة الأنواع النصية （Categorical Encoding）. تحليل استكشافي （EDA） لتحديد العلاقة بين العوامل المؤثرة على السعر مثل الموديل، الماركة، وسنة التصنيع. إنشاء رسومات بيانية توضح الترابط بين السعر والمتغيرات المختلفة باستخدام Matplotlib وSeaborn. تطبيق نموذج تعلم آلي (Machine Learning Model) باستخدام Linear Regression و Random Forest Regressor. تقييم أداء النماذج باستخدام RMSE و R² Score لاختيار النموذج الأفضل. النتائج: تحديد أهم العوامل المؤثرة في السعر (Mileage، Year، Engine Size). تحسين دقة التنبؤ بنسبة 87% بعد إجراء Feature Scaling وتنظيف البيانات. عرض تقرير بالتحليل والنتائج مع Visualization توضح العلاقات بشكل واضح. هذا المشروع يعكس مهارتي في تحليل البيانات، بناء النماذج التنبؤية، واستخدام Python لتحويل البيانات إلى قرارات عملية.