Python: كتابة كود التطبيق وربط الواجهة بالنموذج.
Gradio: إنشاء واجهة تفاعلية تعمل من خلال المتصفح.
Scikit-learn: استخدام نموذج RandomForestRegressor للتنبؤ بالأسعار.
Pandas: التعامل مع البيانات وتجهيزها.
Joblib: تحميل النموذج المدرَّب من ملف house_price_model.joblib.

الواجهة بتسمح للمستخدم بإدخال 8 خصائص:
- MedInc — متوسط دخل المنطقة.
- HouseAge — متوسط عمر المنازل.
- AveRooms — متوسط عدد الغرف.
- AveBedrms — متوسط عدد غرف النوم.
- Population — عدد السكان.
- AveOccup — متوسط عدد الأفراد لكل منزل.
- Latitude — خط العرض.
- Longitude — خط الطول.
بعد إدخال البيانات والضغط على زر Predict House Price، يتم تمرير المدخلات إلى النموذج المدرَّب، ثم عرض السعر المتوقع في الواجهة.