تصنيف صور القطط والكلاب باستخدام الشبكات العصبية التلافيفية (CNN)

في هذا المشروع، قمت بتطوير نموذج تصنيف ثنائي باستخدام الشبكات العصبية التلافيفية (CNN)، وذلك لتصنيف صور القطط والكلاب من مجموعة بيانات Microsoft Cats vs. Dogs المتوفرة على Kaggle. المهام التي قمت بها ضمن المشروع: إعداد البيانات: تحميل وتنظيم مجموعة بيانات الصور، وتقسيمها إلى مجموعات تدريب واختبار. بناء النموذج: تصميم شبكة عصبية تلافيفية باستخدام مكتبة Keras مع TensorFlow كخلفية، تتضمن: طبقات تلافيفية (Conv2D) لاستخراج الميزات. طبقات تجميع (MaxPooling2D) لتقليص الأبعاد. طبقات تسطيح (Flatten) وطبقات كثيفة (Dense) للتصنيف. استخدام دالة تنشيط ReLU للطبقات المخفية وSoftmax للطبقة الأخيرة. تحسين النموذج: تطبيق تقنيات مثل Dropout وBatchNormalization لتحسين الأداء ومنع الإفراط في التعلّم. التدريب والتقييم: تدريب النموذج باستخدام مجموعة بيانات التدريب، وتقييم أدائه على مجموعة الاختبار. ? التقنيات والأدوات المستخدمة: اللغات: Python المكتبات: TensorFlow، Keras، NumPy، Matplotlib البيئة: Jupyter Notebook النتائج والإنجازات: تحقيق دقة عالية في تصنيف الصور بين القطط والكلاب. تعزيز مهاراتك في بناء وتدريب الشبكات العصبية التلافيفية. تطبيق تقنيات متقدمة لتحسين أداء النموذج.