MNIST classifying

المشروع عبارة عن نظام ذكاء اصطناعي يعتمد على الرؤية الحاسوبية (Computer Vision) لتصنيف والتعرف على الأرقام المكتوبة بخط اليد من 0 إلى 9.يستقبل النظام صوراً رمادية (Grayscale)بكسل من قاعدة بيانات MNIST الشهيرة.يقوم بتحليل الميزات الهندسية والأنماط داخل الصورة وتوقع الرقم الصحيح بدقة عالية جداً تصل إلى أكثر من 98% من المحاولة الأولى . تم بناء المشروع بالكامل باستخدام بايثون وإطار عمل PyTorch باتباع الخطوات الهندسيّة التالية:هندسة الشبكة العصبية (Architecture): قمت بتصميم شبكة عصبية تلافيفية مخصصة ومدمجة (Custom Compact CNN). تتكون من طبقتين التلافيف (Conv2d) لاستخراج الميزات الحافية والمكانية من الأرقام، مدعومة بطبقات التجميع (MaxPool2d) لتقليل أبعاد البيانات وتجنب استهلاك الذاكرة.تحسين واستقرار التدريب (Regularization & Optimization): * دمجت تقنية Batch Normalization لتسريع عملية التدريب وضمان استقرار المعادلات الرياضية.أضفت طبقات Dropout بنسبة 25% لمنع الإفراط في التخصيص (Overfitting)، مما يضمن قدرة النموذج على التعرف على خطوط جديدة لم يرها من قبل.معالجة البيانات الرقمية (Data Pipeline): قمت بإعداد خط معالجة للبيانات باستخدام torchvision.transforms لتحويل الصور إلى تانسورز (ToTensor) .