التعرف على الوجوه

استخراج البيانات ومعالجتها:

تحميل الصور من مجلد خاص بالصور المقصوصة (Cropped Images).

استخدام OpenCV لمعالجة الصور وعرضها.

تصنيف البيانات عبر استخراج المسارات وربطها بالأسماء المستهدفة.

تحليل البيانات (EDA) والمعالجة المسبقة:

استخدام تحليل المكونات الرئيسية (PCA) لتخفيض الأبعاد وتحسين الأداء.

تحويل البيانات إلى شكل يمكن نمذجته بسهولة عبر تحويل التسميات باستخدام Label Encoding.

بناء النماذج والتنبؤ:

تدريب نماذج تعلم الآلة مثل SVM (Support Vector Machine) وKNN (K-Nearest Neighbors) للتعرف على الوجوه.

استخدام GridSearchCV لتحسين أداء النماذج.

تقييم النماذج باستخدام مصفوفة الارتباك (Confusion Matrix) ودقة التصنيف (Accuracy Score)، حيث وصلت الدقة إلى أكثر من 92%.

أهداف المشروع:

بناء نموذج دقيق يمكنه التعرف على الوجوه بشكل فعال.

تحسين الأداء باستخدام تقنيات تقليل الأبعاد ومعالجة البيانات.

تطبيق المشروع على بيانات حقيقية وتجريبه على صور مختلفة.