MNIST Handwritten Digit Classification using Deep Learning

في هذا المشروع، قمت ببناء نموذج تعلم عميق لتصنيف الصور الرقمية المكتوبة بخط اليد باستخدام قاعدة بيانات MNIST الشهيرة. الهدف هو تدريب نموذج فعال يمكنه التعرف على الأرقام من 0 إلى 9 بدقة عالية.

الخطوات المنفذة:

تحميل بيانات MNIST من مكتبة TensorFlow

عرض عينات من الصور باستخدام Matplotlib

تطبيع البيانات لتسريع عملية التدريب

بناء نموذج باستخدام Sequential يحتوي على:

طبقة Flatten لتحويل الصورة إلى متجه

طبقة Dense بـ 128 وحدة وتفعيل ReLU

طبقة Dropout لتقليل فرط التكيف

طبقة إخراج بـ 10 وحدات وتفعيل Softmax

تدريب النموذج لـ 10 حقب مع تقسيم البيانات إلى تدريب وتحقق

تقييم النموذج على بيانات الاختبار

الأدوات المستخدمة:

Python, TensorFlow, Keras, Matplotlib, Seaborn, Scikit-learn

النتائج

دقة النموذج على بيانات الاختبار: 99.11%

تم عرض:

مصفوفة الالتباس (Confusion Matrix)

تقرير التصنيف (Precision, Recall, F1-Score)

منحنيات التدريب والتحقق لكل من الدقة والخسارة