MINST

يركّز هذا المشروع على بناء نموذج تعلّم عميق للتعرّف على الأرقام المكتوبة يدويًا باستخدام مجموعة بيانات MNIST. الهدف هو تصنيف الصور ذات التدرج الرمادي (بحجم 28×28 بكسل) إلى واحدة من عشر فئات تمثل الأرقام من 0 إلى 9. تم تنفيذ شبكة عصبية التفافية (CNN) باستخدام مكتبة PyTorch لتحقيق دقة عالية في بيانات الاختبار. تم تدريب النموذج باستخدام تقنيات مثل "تسوية الدُفعات" (Batch Normalization) و"الإسقاط" (Dropout) لتحسين قدرة النموذج على التعميم. يُظهر المشروع فعالية التعلّم العميق في مهام رؤية الحاسوب، ويمكن تطويره ليُستخدم في تطبيقات واقعية للتعرف على الكتابة اليدوية.