deep learning models piplline

تم تدريب نموذج تعلّم عميق (Deep Learning) لمهمة تصنيف، وتوثيق أداء التدريب عبر مجموعة من المؤشرات الأساسية لتقييم جودة النموذج ومدى استقراره:

تدريب النموذج لعدد 58 حقبة (epoch)، مع رصد الدقة (Accuracy) ومعدل الخطأ (Error Rate) على بيانات التدريب والتحقق (Train/Validation) في كل حقبة.

متابعة دالة الخسارة (Loss) والتأكد من تقاربها بشكل سليم عبر التدريب، إلى جانب حساب مقياس F1 الكلي (Macro-F1) على بيانات التحقق لتقييم جودة التصنيف بشكل متوازن عبر جميع الفئات.

تحديد أفضل نقطة أداء (Best Checkpoint) تلقائيًا بناءً على أعلى قيمة F1 محققة (عند الحقبة 42)، لاستخدامها كنموذج نهائي بدل الاعتماد على آخر حقبة فقط.

قياس زمن التدريب لكل حقبة للتأكد من كفاءة استخدام الموارد الحسابية واستقرار الأداء عبر كامل عملية التدريب (بمتوسط ثابت ~70 ثانية للحقبة).

تحليل الفجوة بين أداء التدريب والتحقق لتشخيص وجود overfitting، وتقديم توصية باستخدام early stopping عند نقطة الأداء الأمثل بدلاً من إتمام كامل عدد الحقبات.

الناتج النهائي: تقرير بصري شامل (4 رسوم بيانية) يلخص سلوك النموذج أثناء التدريب، يُستخدم كأداة تشخيصية لدعم قرار اختيار النموذج النهائي وتوثيق جودة عملية التدريب للعميل أو للتقرير الفني.