تطوير نموذج رؤية حاسوبية مخصص لتصنيف الصور أو الفيديو باستخدام PyTorch أو TensorFlow، حسب نوع البيانات وطبيعة المشروع.
يشمل التنفيذ تجهيز البيانات، التدريب، التقييم، وتسليم نموذج قابل للتشغيل مع ملفات inference واضحة ومنظمة.
الخبرة تشمل تصنيف الصور الطبية، تحليل الفيديو، وتجهيز واجهات تشغيل بسيطة باستخدام Streamlit أو FastAPI، مع إمكانية إضافة Docker عند الحاجة. كما يتم الاهتمام بجودة البيانات، تقليل مشاكل التكرار أو التسرب، واستخدام طرق تقييم مناسبة بجانب الدقة مثل F1-score وROC-AUC.
الخدمة الأساسية تشمل:
مراجعة البيانات والمتطلبات
بناء أو تحسين النموذج
تدريب أولي أو fine-tuning
تقييم النتائج
تسليم الكود وملف تشغيل مبسط
يمكن تنفيذ المشاريع على أحجام بيانات مختلفة، ويتم تحديد نطاق العمل حسب التفاصيل المرسلة.
يمكن إضافة API أو واجهة بسيطة أو Docker كتطويرات إضافية.
مميزات الخدمة
نموذج مخصص حسب بياناتك
لا أعتمد على قالب ثابت، بل أختار بنية النموذج وطريقة التدريب بما يناسب نوع الصور أو الفيديو وطبيعة البيانات المتاحة.
اهتمام بجودة البيانات والتقييم
أركز على تنظيف البيانات، تقليل التحيز ومشاكل التكرار أو التسرب، مع تقييم واضح باستخدام metrics مناسبة للمهمة.
كود منظم وقابل للتشغيل
ستحصل على ملفات مرتبة للتدريب أو التشغيل، مع خطوات واضحة لتجربة النموذج على بيانات جديدة.
إمكانية التوسعة لاحقًا
يمكن تطوير الخدمة لاحقًا لتشمل API أو واجهة استخدام أو Docker أو تحسينات إضافية على النموذج.
ما الذي ستستلمه
ملفات النموذج والكود
ملفات المشروع الأساسية الخاصة بالتدريب أو التشغيل، مكتوبة بشكل منظم وقابلة للتعديل والتطوير.
ملف تشغيل للاستدلال
سكريبت أو .ipynb Notebook بسيط لتجربة النموذج على صور أو فيديو جديد حسب طبيعة المهمة.
تقرير مختصر للنتائج
ملخص واضح لأداء النموذج والـmetrics المستخدمة مع ملاحظات تساعدك على فهم النتائج يتم تسليمة فى صيغة PDF.
ملف متطلبات وتشغيل
ملف requirements وخطوات مختصرة لتشغيل المشروع محليًا أو البدء بتطويره لاحقًا.
