مشروع تخرج AI: تشخيص الأمراض الجلدية
A+ وعرض عمل من شركة عالمية أثناء المناقشة
- العميل
- خالد المالكي (طالب)
- السنة
- 2025
- المدة
- 6 أسابيع
- الفريق
- 2 مهندس
SkinNet AI
EfficientNet-B3 · v2.1
الإدخال
أفلت صورة هنا
PNG, JPG · max 10MB
—
التشخيص
في انتظار صورة…
ساعدنا خالد في بناء مشروع تخرج كامل لكشف الأمراض الجلدية باستخدام Convolutional Neural Networks، مع توثيق أكاديمي وعرض تقديمي احترافي.
التحدّي
كان لدى خالد فكرة الموضوع لكن لم يعرف كيف يبدأ. كان وقت التسليم محدوداً (6 أسابيع)، وأراد أن يخرج بمشروع يتجاوز توقعات اللجنة بكثير.
النتيجة
خالد حصل على A+ من اللجنة، وحصل على عرض عمل من شركة دواء عالمية حضرت المناقشة كملاحظين. اليوم يعمل في فريق AI Research للشركة في دبي.
نهجنا
- 01
اختيار dataset مناسب (HAM10000) + augmentation للحصول على 50,000 صورة
- 02
تجربة 5 معماريات CNN مختلفة واختيار الأفضل (EfficientNet-B3)
- 03
Fine-tuning + ensemble learning لرفع الدقة لـ 94.2%
- 04
بناء Web App بـ Flask للعرض التفاعلي
- 05
كتابة 5 فصول أكاديمية (150 صفحة) + مراجع IEEE
- 06
تدريب على المناقشة مع 30 سؤال محتمل
“ساعدوني في مشروع تخرج AI لتشخيص الأمراض الجلدية. حصلت على A+، وعرضت عليّ شركة عمل أثناء المناقشة!”