مشروع Machine Learning للتنبؤ بسعر السيارات المستعملة بناءً على مجموعة من الخصائص مثل الماركة، سنة الصنع، الكيلومترات، نوع الوقود، ناقل الحركة، قوة المحرك وغيرها.

بدأت بتنظيف البيانات ومعالجة القيم المفقودة والتكرارات، ثم أجريت Exploratory Data Analysis (EDA) لفهم البيانات واكتشاف أهم العوامل المؤثرة في سعر السيارة.

بعد ذلك تم تطبيق Feature Engineering وFeature Selection وFeature Extraction باستخدام تقنيات مثل Polynomial Features وPCA، ثم تدريب ومقارنة عدة نماذج Machine Learning لاختيار النموذج الأفضل.

تم استخدام XGBoost مع Hyperparameter Tuning للوصول إلى أفضل أداء، مع تقييم النماذج باستخدام Regression Metrics.

كما تم حفظ أفضل نموذج وتجهيز المشروع ليكون قابلًا للاستخدام داخل تطبيق تفاعلي باستخدام Streamlit.