Fashion MNIST

قمتُ ببناء نموذج تعلم عميق باستخدام الشبكات العصبية الاصطناعية (Artificial Neural Network) لتصنيف صور الملابس من مجموعة بيانات Fashion MNIST.

- فكرة المشروع

المشروع يهدف إلى تدريب نموذج قادر على التعرّف على نوع قطعة الملابس من خلال صورة رمادية بحجم 28×28 بكسل.

البيانات تحتوي على 10 فئات مثل:

تي-شيرت

بنطال

فستان

حذاء رياضي

حقيبة

وغيرهم.

- التقنيات المستخدمة

Python

NumPy

Pandas

TensorFlow / Keras

Matplotlib

Scikit-learn

- بنية النموذج

طبقة إدخال (784 خلية عصبية بعد تحويل الصورة إلى Vector)

طبقات مخفية باستخدام دالة التنشيط ReLU

طبقة إخراج تحتوي على 10 خلايا باستخدام Softmax

Optimizer: Adam

Loss Function: Categorical Crossentropy

- خطوات العمل

1- تنظيف البيانات وعمل Normalization

2- تحويل الفئات إلى One-Hot Encoding

3- تدريب النموذج وتقسيم البيانات (Train/Test)

4- تقييم الأداء باستخدام Accuracy

5- رسم منحنيات الدقة والخسارة لتحليل الأداء

- النتيجة

حقق النموذج دقة عالية في تصنيف الصور، مما يوضح كفاءة استخدام الشبكات العصبية في مهام تصنيف الصور متعددة الفئات