Handwritten Digit Recognition
• مشروع في مجال Machine Learning يهدف إلى تدريب نموذج يستطيع التعرف على الأرقام المكتوبة باليد.
• الفكرة تعتمد على استخدام Neural Networks لتحليل صورة الرقم واستخراج الـ features منها.
• النموذج يتعلم من dataset مشهور اسمه MNIST يحتوي على
70,000 صورة لأرقام مكتوبة باليد من 0 إلى 9.
• كل صورة تكون بحجم
28 × 28 pixels
يعني النموذج يتعامل مع 784 feature لكل صورة.
• خطوات المشروع:
• جمع البيانات (Dataset)
• عمل Data Preprocessing
تحويل الصورة إلى grayscale
normalization للقيم
• تدريب نموذج مثل
Logistic Regression
Neural Network
Convolutional Neural Network (CNN)
• تقييم النموذج باستخدام Accuracy و Confusion Matrix
• في النهاية النموذج يستطيع أن يأخذ صورة رقم مكتوب باليد ويتوقع الرقم الصحيح.
مثال:
لو أدخلت صورة لرقم مكتوب مثل
"5"
النموذج يحلل الصورة
ويقول:
Prediction = 5
