أقوم بتطوير نموذج رؤية حاسوبية مخصص لتصنيف الصور أو الفيديو باستخدام PyTorch أو TensorFlow حسب طبيعة بياناتك.
الخدمة تشمل:
تجهيز البيانات (تنظيف وتنظيم)
بناء أو تحسين النموذج
تدريب النموذج (Training / Fine-tuning)
تقييم الأداء (Accuracy, F1-score)
تسليم كود منظم + سكريبت تشغيل (Inference)
ماذا ستحصل عليه:
نموذج مدرب جاهز للاستخدام
كود منظم وقابل للتعديل
ملف تشغيل لتجربة النموذج على بيانات جديدة
تقرير مختصر يوضح النتائج
نطاق الخدمة الأساسية:
حتى 100000 صورة أو 10000 فيديو بسيط (≤ 5 دقائق)
مهمة واحدة فقط (تصنيف Images أو Video)
إضافات اختيارية:
API باستخدام FastAPI
واجهة بسيطة (Streamlit)
Docker
لا أعتمد على قالب ثابت، بل أختار بنية النموذج وطريقة التدريب بما يناسب نوع الصور أو الفيديو وطبيعة البيانات المتاحة.
أركز على تنظيف البيانات، تقليل التحيز ومشاكل التكرار أو التسرب، مع تقييم واضح باستخدام metrics مناسبة للمهمة.
ستحصل على ملفات مرتبة للتدريب أو التشغيل، مع خطوات واضحة لتجربة النموذج على بيانات جديدة.
يمكن تطوير الخدمة لاحقًا لتشمل API أو واجهة استخدام أو Docker أو تحسينات إضافية على النموذج.
ملفات المشروع الأساسية الخاصة بالتدريب أو التشغيل، مكتوبة بشكل منظم وقابلة للتعديل والتطوير.
سكريبت أو .ipynb Notebook بسيط لتجربة النموذج على صور أو فيديو جديد حسب طبيعة المهمة.
ملخص واضح لأداء النموذج والـmetrics المستخدمة مع ملاحظات تساعدك على فهم النتائج يتم تسليمة فى صيغة PDF.
ملف requirements وخطوات مختصرة لتشغيل المشروع محليًا أو البدء بتطويره لاحقًا.
اضافة واجهة API باستخدام FastAPI
5.00
|
|
اضافة واجهة استخدام بسيطة باستخدام Steamlit
5.00
|
|
تجهيز المشروع داخل docker
5.00
|
اضافة واجهة API باستخدام FastAPI
5.00
|
|
اضافة واجهة استخدام بسيطة باستخدام Steamlit
5.00
|
|
تجهيز المشروع داخل docker
5.00
|