بناء نموذج ذكاء اصطناعي لتقدير القيمة السوقية للعقارات (تحليل، تصنيف، وتوقع)

مشروع متكامل يهدف إلى تحليل سوق العقارات وتوفير أدوات دقيقة للتنبؤ بالأسعار وتصنيف العقارات إلى فئات (Budget, Luxury, Premium) لمساعدة المستثمرين والشركات العقارية في اتخاذ قرارات مبنية على البيانات.

مراحل العمل في المشروع:

1. التحليل الاستكشافي (EDA): تحليل أكثر من 4600 سجل عقاري لاستخراج العوامل الأكثر تأثيراً على السعر

(مثل مساحة المعيشة، الموقع، والإطلالة).

2. التعلم غير الخاضع للإشراف (Clustering): استخدام خوارزمية K-Means لتقسيم العقارات إلى 4

مجموعات منطقية بناءً على ميزاتها السعرية والخدمية.

3. التصنيف (Classification): بناء نموذج Random Forest لتصنيف أي عقار جديد ضمن الفئات المحددة

بدقة عالية.

4. التنبؤ بالأسعار (Regression): استخدام خوارزمية XGBoost Regressor للتنبؤ بسعر العقار، حيث حقق

النموذج نتائج ممتازة بهامش خطأ (MAE) ضئيل جداً.

5.دمج نموذج لغوي كبير (LLM) ليقوم بدور "خبير عقاري رقمي".

يقوم النموذج ب:

تفسير التوقعات: شرح الأسباب الكامنة وراء السعر المتوقع (لماذا هذا البيت غالٍ أو رخيص بناءً على ميزاته).

تقييم العرض: تحليل ما إذا كان سعر البيت المعروض يعتبر صفقة جيدة أم مبالغاً فيه مقارنة

بمتوسط السوق.

6. النشر والربط (Deployment): بناء واجهة برمجة تطبيقات (API) باستخدام FastAPI لتمكين الأنظمة

الأخرى من استهلاك النموذج، بالإضافة إلى واجهة مستخدم عبر Streamlit.

أبرز النتائج التقنية:

تحقيق معامل تحديد (R2 Score) بنسبة 0.70 وهو معدل ممتاز في سوق العقارات.

تقليل هامش الخطأ (MAE) ليصل إلى حوالي 97 دولار فقط في التنبؤ بالسعر.