"تصنيف صور الأزياء باستخدام التعلم الآلي: مشروع علم البيانات"

في هذا المشروع، قمت ببناء نموذج تعلم آلي لتصنيف صور الأزياء من مجموعة بيانات Fashion-MNIST إلى 10 فئات (مثل القمصان، البناطيل، الأحذية). الهدف كان استكشاف خوارزميات مختلفة، تحسين أدائها، وتحليل النتائج لفهم كيفية تمييز الذكاء الاصطناعي لأنواع الملابس.

الخطوات الرئيسية والنتائج:

تحضير البيانات:

تحميل ومعالجة 70,000 صورة بتدرج الرمادي (28×28 بكسل).

تقسيم البيانات إلى مجموعتي تدريب (60,000 صورة) واختبار (10,000 صورة).

تدريب النموذج وتحسينه:

اختبار خوارزميات XGBoost وKNN وSGDClassifier.

استخدام GridSearchCV لتحسين المعلمات (مثل max_depth وmin_child_weight).

تحقيق دقة 89.5% باستخدام XGBoost (أفضل نموذج أداءً).

التقييم والاستنتاجات:

إنشاء مصفوفة ارتباك لتحديد الأخطاء (مثل الخلط بين القمصان والبلوزات).

تحليل الدقة (Precision)، الاستدعاء (Recall)، ودرجات F1 لكل فئة.

تصوير النتائج باستخدام Matplotlib/Seaborn لتفسير أوضح.

أهمية المشروع:

يُظهر هذا المشروع كيف يمكن للتعلم الآلي أتمتة مهام مثل تصنيف المنتجات في التجارة الإلكترونية. كما يسلط الضوء على أهمية ضبط النماذج وتحليل الأخطاء في تطبيقات الذكاء الاصطناعي الواقعية.