وصف المشروع:
قمت ببناء نموذج ذكاء اصطناعي يعتمد على الشبكات العصبية (Artificial Neural Networks) من الصفر لتصنيف الأرقام المكتوبة بخط اليد بدقة عالية. المشروع يوضح القدرة على التعامل مع هياكل البيانات المعقدة وتطبيق خوارزميات التعلم العميق (Deep Learning) للحصول على نتائج دقيقة.

المميزات التقنية للمشروع:
تصميم الشبكة: بناء هيكل NeuralNetwork برمجيًا للتعامل مع عمليات التصنيف.
دقة الأداء: وصل النموذج إلى دقة اختبار نهائية متميزة بلغت 96.7% تقريبًا بعد 10 دورات تدريبية (Epochs).
تحسين الخسارة (Loss Optimization): يظهر من مخرجات المشروع انخفاض تدريجي ملحوظ في قيمة الخسارة من 0.54 إلى 0.08، مما يعكس كفاءة عملية التدريب.
اختبار حي (Real-time Prediction): يدعم المشروع واجهة تفاعلية تسمح بإدخال رقم الصورة واختبار قدرة النموذج على التنبؤ بها فوراً ومقارنتها بالقيمة الحقيقية (True Label).

الأدوات والتقنيات المستخدمة:
Python: اللغة الأساسية لتطوير الخوارزمية.
Matplotlib: لعرض الصور والنتائج بشكل مرئي وتفاعلي.
NumPy: للعمليات الحسابية والمصفوفات (بناءً على المخرجات الظاهرة).