يواجه قطاع العقارات تحديًا كبيرًا في تقدير أسعار المنازل بدقة بسبب تعدد العوامل المؤثرة مثل المساحة، سنة البناء، عدد الغرف والحمامات، جودة التشطيب، والموقع. لذلك قمت بتطوير نظام ذكي للتنبؤ بأسعار المنازل باستخدام تقنيات Machine Learning اعتمادًا على Ames Housing Dataset من Kaggle.
شمل المشروع تنفيذ Pipeline متكاملة تبدأ من تنظيف البيانات ومعالجة القيم المفقودة، ثم Feature Engineering لاستخراج خصائص جديدة مثل عمر المنزل، عمر آخر تجديد، إجمالي الحمامات، والمساحة الكلية.
كما تم بناء Preprocessing Pipeline تشمل Scaling للبيانات الرقمية و One-Hot Encoding للبيانات التصنيفية، ثم تدريب ومقارنة عدة نماذج مثل Linear Regression و Random Forest و XGBoost.
تم تقييم الأداء باستخدام MAE و RMSE و R² Score، مع اختيار أفضل نموذج للتنبؤ النهائي، وحقق المشروع Kaggle Public Score = 0.13251 باستخدام XGBoost، مما يدل على دقة جيدة في التنبؤ بالأسعار.