التعرف على الأرقام المكتوبة يدويًا باستخدام التعلم العميق – Handwritten Digit Recognition using Deep Learning

يعرض هذا المشروع نموذجًا بسيطًا وفعالًا للتعلم العميق (Deep Learning) يُستخدم في تصنيف الأرقام المكتوبة يدويًا من قاعدة بيانات MNIST الشهيرة، باستخدام مكتبات TensorFlow وKeras.

يحقق النموذج دقة تزيد عن 98% على مجموعة الاختبار، مع عرض مرئي لتوقعات النموذج لسهولة الفهم والتحليل.

⭐ الميزات:

بناء شبكة عصبية تتضمن:

طبقة إدخال (تحويل الصورة إلى متجه).

طبقة مخفية باستخدام تفعيل ReLU.

تقنيّة Dropout لتقليل فرط التعلّم (Overfitting).

طبقة إخراج باستخدام Softmax لتحديد الرقم من 0 إلى 9.

يعتمد على مجموعة بيانات MNIST (حوالي 70,000 صورة لأرقام مكتوبة يدويًا).

دقة عالية جدًا في التصنيف (>98%).

عرض مرئي لتوقعات النموذج باستخدام matplotlib.

المشروع مبني بالكامل بلغة Python باستخدام مكتبات تعلم الآلة القياسية فقط، دون الحاجة إلى أدوات خارجية.