قمت ببناء نموذج تعلم عميق باستخدام الشبكات العصبية الالتفافية (CNN) لتصنيف الأرقام المكتوبة يدويًا من بيانات MNIST. بدأت بإعداد البيانات من ملفات التدريب والاختبار، ثم فصلت الـFeatures عن الـLabels وأعدت تشكيل الصور وأجريت Rescaling لتناسب النموذج. قمت باستكشاف البيانات وتمثيلها بصريًا للتأكد من جودتها، ثم طبقت Data Augmentation لزيادة تنوع العينات وتحسين الأداء.

صممت نموذج CNN بسيط وفعال باستخدام TensorFlow/Keras، ودربته حتى وصلت دقته إلى 99%. بعد ذلك اختبرت النموذج على بيانات جديدة ونجح في التنبؤ بالأرقام بدقة عالية. استخدمت Python مع مكتبات مثل Pandas وNumPy وMatplotlib، إضافة إلى أدوات تقييم مثل Accuracy وConfusion Matrix. النموذج أثبت فعاليته في مهمة تصنيف الأرقام المكتوبة يدويًا.