تنظيف وتحليل البيانات متجر سيارات و انشاء موديل باستخدام ال Machine Learning

تنظيف ومعالجة البيانات (Data Cleaning & Preprocessing)البيانات غير المنظمة تؤدي لنتائج خاطئة. سأقوم بـ:تنظيف القيم المفقودة (Missing Data) والتعامل مع البيانات المتكررة.تصحيح الأخطاء في أسماء الماركات والموديلات.تحويل البيانات النصية (مثل نوع الوقود أو ناقل الحركة) إلى أرقام يفهمها الموديل.إزالة القيم الشاذة (Outliers) التي قد تؤثر على دقة التوقعات.2. تحليل البيانات الاستكشافي (EDA)قبل البرمجة، يجب أن نفهم السوق. سأقوم باستخراج إحصائيات مثل:أكثر الماركات مبيعاً وتأثير سنة الصنع على السعر.العلاقة بين المسافة المقطوعة (Mileage) وقيمة السيارة.رسوم بيانية توضح توزيع الأسعار في متجرك.3. بناء موديل تعلم الآلة (Machine Learning Modeling)بناء نموذج تنبؤي ذكي يعتمد على خوارزميات متطورة (مثل Random Forest أو XGBoost) للقيام بـ:توقع سعر السيارة: بمجرد إدخال المواصفات، يعطيك الموديل السعر العادل.تقييم الحالة: تصنيف السيارات بناءً على جودتها وسعرها.قياس الدقة: تزويدك بتقارير تقنية عن مدى دقة الموديل ($R^2$ Score و $MAE$). التقنيات المستخدمةلغة البرمجة: Python.المكتبات الأساسية: Pandas & NumPy (للمعالجة).التصور: Matplotlib & Seaborn.الذكاء الاصطناعي: Scikit-Learn.