Handwritten Digit Recognition with Deep Neural Networks

مشروع لتطوير نموذج ذكاء اصطناعي لتصنيف الأرقام المكتوبة بخط اليد باستخدام مجموعة بيانات MNIST وتقنيات Deep Learning.

تم تحميل ومعالجة مجموعة البيانات التي تحتوي على 60,000 صورة للتدريب و10,000 صورة للاختبار، حيث تمثل كل صورة رقمًا مكتوبًا بخط اليد من 0 إلى 9 بحجم 28×28 بكسل.

تم تنفيذ مراحل استكشاف وتحليل البيانات (EDA)، بما في ذلك عرض الصور، تحليل توزيع الفئات، ثم تطبيع قيم البكسلات إلى نطاق من 0 إلى 1.

بعد ذلك تم بناء نموذج Artificial Neural Network (ANN) باستخدام TensorFlow/Keras، يتكون من عدة طبقات Dense مع دوال تنشيط ReLU، وطبقة إخراج Softmax لتصنيف الصور إلى 10 فئات.

تم تدريب النموذج لمدة 10 epochs باستخدام Adam Optimizer، ثم تقييم أدائه باستخدام:

Accuracy

Precision

Recall

F1-Score

Confusion Matrix

حقق النموذج دقة وصلت إلى حوالي 98% على بيانات الاختبار، مع تحليل نتائج التصنيف والتنبؤات بصريًا.

كما تم تجربة SMOTE لمعالجة مشكلة عدم توازن توزيع البيانات ومقارنة أداء النموذج قبل وبعد التجربة.