Cars data analysis

مشروع تطبيقي على بيانات 205 سيارة من مستودع UCI لمعرفة العوامل المؤثرة في السعر وتجهيز البيانات لنماذج تعلّم الآلة، باستخدام Python وPandas وSeaborn في Google Colab. فحصت جودة البيانات وعالجت القيم المفقودة مع توثيق كل قرار (حذف عمود بنسبة نقص 20%، وتعويض القيم الناقصة بالوسيط أو الأكثر تكرارًا)، ثم أجريت تحليلًا استكشافيًا شمل توزيع الأسعار والارتباطات والقيم الشاذة، ثم جهزت البيانات بالترميز (One-Hot) وتحويل السعر باللوغاريتم وتقسيم التدريب والاختبار وتوحيد المقاييس دون تسريب بيانات.

أبرز النتائج: حجم المحرك (0.87) والوزن (0.83) والقدرة (0.81) أقوى العوامل المرتبطة بالسعر، والعلامة التجارية عامل رئيسي (Jaguar وMercedes وPorsche وBMW الأعلى سعرًا)، والقيم الشاذة سيارات فاخرة حقيقية فتم الإبقاء عليها. النتيجة نوتبوك مشروح وملف CSV نظيف جاهز للنمذجة. المشروع تطبيقي على بيانات عامة.