تطوير نظام شامل للتعرّف على الأرقام المكتوبة يدويًا باستخدام MNIST

يهدف هذا المشروع إلى تطوير نظام متكامل للتعرّف على الأرقام المكتوبة يدويًا، مع إبراز التطوّر التدريجي في أساليب التعلم الآلي بدءًا من المصنّفات الخطية وصولاً إلى نماذج التعلم العميق الحديثة. سيتم استخدام مجموعة بيانات MNIST كمنصة موحدة للاختبار والتقييم، مع تنفيذ عدّة مقاربات مختلفة تشمل على سبيل المثال لا الحصر: المصنّفات الخطية (Linear Classifiers) مثل الانحدار اللوجستي و Softmax Regression، مع تحليل أدائها وحدودها. الشبكات العصبية متعددة الطبقات (MLP – Multilayer Perceptron) لدراسة كيفية تحسين الأداء عند إضافة طبقات مخفية. الشبكات العصبية الالتفافية (CNN – Convolutional Neural Networks) لاستعراض القوة الحقيقية للتعلم العميق في مهام التعرف على الصور. المخرجات المتوقعة من المشروع: تنفيذ عملي كامل لكل نموذج من النماذج المذكورة باستخدام إطار عمل مناسب (مثل PyTorch أو TensorFlow). مقارنة تفصيلية بين أداء النماذج المختلفة من حيث الدقة، السرعة، والتعقيد الحسابي. تحليل نقاط القوة والضعف لكل نموذج مع توضيح سبب تفوّق نماذج التعلم العميق على المصنّفات التقليدية. عرض بصري (Graphical) للنتائج لمنح فهم أوضح لتطور الأداء عبر الطرق المختلفة.