في هذا المشروع قمت بتحليل بيانات أسعار السيارات بهدف فهم العوامل التي تؤثر على سعر السيارة، واستخراج رؤى تساعد في التنبؤ بالأسعار واتخاذ قرارات أكثر دقة عند البيع أو الشراء.
بدأت بتنظيف البيانات باستخدام **Python** ومكتبة **Pandas**، حيث تم معالجة القيم المفقودة، وإزالة البيانات المكررة، وتحويل أنواع البيانات لتكون جاهزة للتحليل.
بعد ذلك استخدمت **NumPy** لإجراء العمليات الحسابية والإحصائية، ثم أجريت **التحليل الاستكشافي للبيانات (EDA)** لدراسة تأثير عوامل مثل الشركة المصنعة، وسنة الصنع، وعدد الكيلومترات المقطوعة، ونوع الوقود، وناقل الحركة، وسعة المحرك، وقوة الحصان على أسعار السيارات.
ولعرض النتائج بشكل واضح، استخدمت **Matplotlib** و**Seaborn** لإنشاء رسوم بيانية احترافية توضح توزيع الأسعار، والعلاقات بين المتغيرات، بالإضافة إلى تحليل الارتباط بين الخصائص المختلفة.
كما تم استخدام **Scikit-learn** لبناء نموذج تعلم آلة للتنبؤ بأسعار السيارات اعتمادًا على مواصفاتها، مع تقييم أداء النموذج باستخدام مقاييس مثل **MAE** و**MSE** و**RMSE** و**R² Score** لضمان دقة التنبؤ.
**الأدوات والتقنيات المستخدمة:**
* Python
* Pandas
* NumPy
* Matplotlib
* Seaborn
* Scikit-learn
* Jupyter Notebook
**النتائج:**
* تنظيف وتجهيز بيانات السيارات.
* إجراء تحليل استكشافي شامل للبيانات.
* إنشاء رسوم بيانية توضح العوامل المؤثرة في الأسعار.
* تحديد أهم الخصائص التي تؤثر على قيمة السيارة.
* بناء نموذج تنبؤ يساعد في تقدير سعر السيارة بناءً على مواصفاتها بدقة جيدة.
