نظرة عامة: يهدف هذا المشروع إلى التنبؤ بقرارات شراء العقارات باستخدام التعلم العميق من خلال تحليل العوامل المالية وخصائص العقار لدعم اتخاذ قرارات أكثر دقة.
المشكلة: قرارات شراء العقارات تعتمد على عوامل معقدة مثل السعر، الدخل، مخاطر القروض وخصائص العقار، وغالبًا ما تفشل الطرق التقليدية في التعامل مع هذه العلاقات غير الخطية.
الحل: تم بناء نموذج تعلم عميق مع معالجة كاملة للبيانات تشمل تنظيفها، الترميز، التقييس، وهندسة خصائص مثل سعر القدم المربع، عمر العقار، عبء القرض، درجة المخاطر وعبء القسط الشهري.
معمارية النموذج: شبكة عصبية متسلسلة بطبقات (128→64→64→32) مع ReLU وSigmoid، وتقنيات Dropout وL1/L2 وتقليل الإفراط في التعلم باستخدام Early Stopping.
النتائج: دقة تصل إلى 99.8% مع أداء مستقر وقدرة عالية على التعميم.
الأدوات: Python، Pandas، NumPy، Scikit-learn، TensorFlow، Keras.