مهام الذكاء الاصطناعي وتعلّم الآلة

استخدمت لغة Python ومكتباتها العلمية الأساسية، بما في ذلك NumPy وPandas وScikit-Learn، لتصميم وتنفيذ مجموعة من الأنظمة الذكية المتكاملة من البداية إلى النهاية.

في جزء تعلّم الآلة (Machine Learning)، قمت بتنفيذ خط معالجة بيانات كامل شمل تنظيف البيانات بشكل دقيق، واستخدام Random Undersampling لمعالجة عدم توازن الفئات، بالإضافة إلى معالجة وتجهيز الخصائص (Feature Preprocessing). وقد أتاح ذلك تطوير نموذج K-Nearest Neighbors (K-NN) للتعرّف على الجسيمات، إلى جانب بناء عدة نماذج انحدار تنبؤية (Linear، Lasso، Ridge) لتحليل وتوقّع أسعار العقارات.

أما في مجال الذكاء الاصطناعي (Artificial Intelligence)، فقد قمت بتطوير وكلاء بحث باستخدام خوارزميات البحث غير الموجّهة (BFS، DFS) والموجّهة (A*)، مع تصميم دوال إرشاد مخصّصة تعتمد على مسافتي Manhattan وEuclidean لتحسين كفاءة إيجاد المسارات. بالإضافة إلى ذلك، طوّرت وكلاء تنافسيين للعبة Connect 4 باستخدام خوارزمية Minimax مع تحسين Alpha-Beta Pruning، كما أنشأت محلّلًا للعبة Sudoku بالاعتماد على مبادئ مشاكل إرضاء القيود (CSP)، مع تطبيق Arc Consistency (AC-3) وخوارزمية Backtracking.

تم إنهاء كل مشروع بواجهة استخدام رسومية (GUI) تعمل بشكل كامل، إلى جانب إجراء اختبارات أداء ومقارنة شاملة بين الخوارزميات المختلفة بهدف تحليل كفاءتها واستخلاص رؤى تقنية ذات قيمة.