نظام ذكاء اصطناعي لتوقع مدة رحلات سيارات الأجرة في مدينة نيويورك، باستخدام شبكة عصبية عميقة (Deep Neural Network) مبنية بـ PyTorch.
يقوم المستخدم باختيار نقطة الانطلاق والوجهة على خريطة تفاعلية، ويحصل فوراً على توقع دقيق لمدة الرحلة بناءً على المسافة، الوقت، الزحام المروري، وعوامل أخرى.
أبرز ما يميز المشروع:
- بناء وتدريب نموذج Deep Learning بمعمارية متقدمة (residual blocks) مع تقنيات تحسين الأداء (early stopping, learning rate scheduling, gradient clipping)
- تحليل الأخطاء (Residual Analysis) لفهم نقاط ضعف النموذج وتحسينها
- اختيار الخصائص الأهم تلقائياً (Feature Selection) لتحسين دقة التوقع
- نشر النموذج كتطبيق ويب كامل باستخدام Flask مع واجهة خرائط تفاعلية
الأدوات المستخدمة: Python, PyTorch, Flask, scikit-learn, pandas
