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