التعرف على الوجوه

استخراج البيانات ومعالجتها: تحميل الصور من مجلد خاص بالصور المقصوصة (Cropped Images). استخدام OpenCV لمعالجة الصور وعرضها. تصنيف البيانات عبر استخراج المسارات وربطها بالأسماء المستهدفة. تحليل البيانات (EDA) والمعالجة المسبقة: استخدام تحليل المكونات الرئيسية (PCA) لتخفيض الأبعاد وتحسين الأداء. تحويل البيانات إلى شكل يمكن نمذجته بسهولة عبر تحويل التسميات باستخدام Label Encoding. بناء النماذج والتنبؤ: تدريب نماذج تعلم الآلة مثل SVM (Support Vector Machine) وKNN (K-Nearest Neighbors) للتعرف على الوجوه. استخدام GridSearchCV لتحسين أداء النماذج. تقييم النماذج باستخدام مصفوفة الارتباك (Confusion Matrix) ودقة التصنيف (Accuracy Score)، حيث وصلت الدقة إلى أكثر من 92%. أهداف المشروع: بناء نموذج دقيق يمكنه التعرف على الوجوه بشكل فعال. تحسين الأداء باستخدام تقنيات تقليل الأبعاد ومعالجة البيانات. تطبيق المشروع على بيانات حقيقية وتجريبه على صور مختلفة.