AI-Powered Handwritten Digit Recognition System (End-to-End)

قمت بتطوير نظام متكامل باستخدام تقنيات التعلم العميق للتعرّف على الأرقام المكتوبة يدويًا في الوقت الحقيقي، بدءًا من تدريب النموذج وحتى بناء تطبيق قابل للاستخدام.

? فكرة المشروع:

الهدف من المشروع هو تحويل نموذج تعلم عميق إلى تطبيق عملي يمكن للمستخدم التفاعل معه مباشرة، بدلًا من الاكتفاء بنتائج داخل بيئة برمجية.

⚙️ ما تم تنفيذه:

تدريب نموذج Neural Network على بيانات MNIST (60,000 صورة) بدقة تصل إلى ~98.5%

تجربة ومقارنة 6 خوارزميات تحسين (SGD، Momentum، RMSprop، Adagrad، AdaDelta، Adam)

تطبيق تقنيات تحسين الأداء مثل: Dropout، Batch Normalization، He Initialization

بناء وتحليل Autoencoders (عادي، متقدم، وإزالة الضوضاء)

نشر النموذج كـ REST API باستخدام FastAPI و Uvicorn

تطوير واجهة رسومية (PySide6) تتيح للمستخدم رسم رقم والحصول على التوقع مباشرة مع نسبة الثقة

? التقنيات المستخدمة:

Python | TensorFlow/Keras | FastAPI | PySide6 | NumPy | Scikit-learn

? النتيجة:

نجحت في تحويل نموذج تعلم عميق إلى نظام متكامل يجمع بين:

الدقة العالية

سهولة الاستخدام

التكامل بين الذكاء الاصطناعي والتطبيقات العملية