بناء شبكة عصبية عميقة (DNN) من الصفر

في هذا المشروع، قمت بتصميم وتطبيق شبكة عصبية عميقة (Deep Neural Network) من الصفر — بمعنى أنني لم أستخدم أطر جاهزة مثل PyTorch أو TensorFlow في بناء النموذج، باستثناء استخدام TensorFlow فقط لتحميل مجموعة بيانات Fashion MNIST. GitHub مكونات المشروع والمهام التي قمت بها استخدام مجموعة بيانات Fashion MNIST لتصنيف صور الأزياء (10 فئات). GitHub بناء شبكة عصبية مكوّنة من طبقتين (2-layers) باستخدام NumPy فقط للتحكم اليدوي في العمليات الرياضية (المضروب، الانحدار العكسي، الخ) دون الاعتماد على مكتبات التعلم العميق الجاهزة. GitHub تنفيذ عمليات المعالجة والتدريب الأساسية: • تهيئة الأوزان والانحيازات • الانتشار الأمامي (forward propagation) • حساب دالة الخسارة (loss function) • الانتشار العكسي (backpropagation) لتحديث الأوزان تحسين النموذج: • تجربة سرعات التعلم (learning rates) مختلفة • استخدام عمليات تجزئة الدفعات (batch training) لتثبيت الأداء وتحسين الاستقرار • إضافة تنظيم L2 (L2 regularization) لمنع الإفراط في التعلّم (overfitting) • تنفيذ تقنية Dropout في الطبقة المخفية لتخفيف الإفراط في التعلّم • تقييم استخدام دوال تنشيط مختلفة مثل ReLU و Leaky ReLU و tanh • تنفيذ محسن Adam optimizer بديل لانحدار التدرّج البسيط • تطبيق التوقف المبكر (early stopping) بناءً على أداء التحقق (validation) لتجنب الإفراط في التعلّم GitHub تقييم النموذج بحساب الدقة (accuracy) أو غيرها من مقاييس الأداء على مجموعة الاختبار التقنيات والأدوات المستخدمة لغة Python مكتبة NumPy (للعمليات الحسابية الأساسية) Matplotlib و مكتبات الرسوم البيانية لعرض النتائج (تمثيل الأداء عبر العصرات) استخدام TensorFlow فقط لتحميل مجموعة بيانات Fashion MNIST (وليس لبناء النموذج) GitHub التنظيم الجيد للمشروع ضمن Jupyter Notebook (ملف .ipynb) مع توثيق منطقي ومتابعة واضحة لخطوات التنفيذ القيمة التي يضيفها المشروع يُظهِر فهمًا عميقًا لآلية عمل الشبكات العصبية من المستوى الأدنى، وليس الاعتماد على مكتبات جاهزة يُعدّ مرجعًا تقنيًا لشرح مفصل لكيفية تنظيم الانتشار الأمامي والعكسي والتحديث اليدوي للأوزان يمكن استخدامه كأساس لتوسعات مستقبلية (كإضافة المزيد من الطبقات، التحسينات، أو الانتقال لاستخدام أطر جاهزة بعد الفهم النظري) يُعطي العميل ثقة في قدراتك على بناء نماذج ذكاء اصطناعي متكاملة وفهم الأُسُس النظرية plus التطبيقية