تطوير نموذج شبكة عصبية (Neural Network) لتصنيف الأرقام المكتوبة بخط اليد

وصف المشروع: قمت ببناء وتدريب نموذج ذكاء اصطناعي يعتمد على الشبكات العصبية الاصطناعية (Artificial Neural Networks) من الصفر لتصنيف الأرقام المكتوبة بخط اليد بدقة عالية. المشروع يوضح القدرة على التعامل مع هياكل البيانات المعقدة وتطبيق خوارزميات التعلم العميق (Deep Learning) للحصول على نتائج دقيقة وموثوقة. المميزات التقنية للمشروع: تصميم الشبكة: بناء هيكل NeuralNetwork برمجيًا للتعامل مع عمليات التنبؤ والتصنيف. دقة الأداء: وصل النموذج إلى دقة اختبار نهائية (Final Test Accuracy) متميزة بلغت 96.7% تقريبًا بعد 10 دورات تدريبية (Epochs). تحسين الخسارة (Loss Optimization): يظهر من مخرجات المشروع انخفاض تدريجي ملحوظ في قيمة الخسارة من 0.54 إلى 0.08، مما يعكس كفاءة عملية التدريب واختيار الـ Learning Rate المناسب. اختبار حي (Real-time Prediction): يدعم المشروع واجهة تفاعلية تسمح بإدخال رقم الصورة واختبار قدرة النموذج على التنبؤ بها فوراً ومقارنتها بالقيمة الحقيقية (True Label). الأدوات والتقنيات المستخدمة: Python: اللغة الأساسية لتطوير الخوارزمية. Matplotlib: لعرض الصور والنتائج بشكل مرئي وتفاعلي. NumPy: للعمليات الحسابية والمصفوفات (بناءً على المخرجات الظاهرة).