توقع اسعار السيارات باستخدام التعلم الالي

مشروع يهدف إلى توقع أسعار السيارات باستخدام تقنيات التعلم الآلي (Machine Learning)، حيث يعتمد على تحليل مجموعة من البيانات التي تشمل خصائص مختلفة للسيارات مثل سنة الصنع، نوع الوقود، عدد الكيلومترات المقطوعة، نوع ناقل الحركة، وغيرها من العوامل المؤثرة على السعر. تم في هذا المشروع تنفيذ مراحل معالجة البيانات بدايةً من تنظيف البيانات (Data Cleaning) والتعامل مع القيم المفقودة، مرورًا بعملية تحليل البيانات (EDA) لاكتشاف العلاقات بين المتغيرات، ثم تجهيز البيانات (Preprocessing) من خلال الترميز (Encoding) والتطبيع (Normalization) لتحسين أداء النموذج. بعد ذلك تم بناء وتدريب عدة نماذج تعلم آلي مثل Linear Regression وRandom Forest وGradient Boosting، مع إجراء تحسين للمعاملات (Hyperparameter Tuning) للوصول إلى أفضل أداء ممكن. يعتمد المشروع على تقييم النماذج باستخدام مقاييس مثل: Mean Absolute Error (MAE) Root Mean Squared Error (RMSE) R² Score وتم اختيار النموذج الأفضل بناءً على هذه المقاييس لتحقيق أعلى دقة في التوقعات. ? نتيجة المشروع: نموذج قادر على التنبؤ بأسعار السيارات بدقة عالية، ويمكن استخدامه في تطبيقات حقيقية مثل مواقع بيع السيارات أو أنظمة التسعير الذكية.