اپلیکیشن اندرویدی فلش‌کارت آموزشی تشخیص اشیا با شبکه‌های عصبی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تشخیص اشیا با شبکه‌های عصبی

موضوع کلی: هوش مصنوعی و علوم اعصاب محاسباتی

موضوع میانی: بینایی ماشین

📋 سرفصل‌های دوره

• 1. تشخیص الگو با استفاده از شبکه‌های عصبی
• 2. مفاهیم پایه یادگیری ماشین
• 3. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
• 4. لایه‌های مختلف یک شبکه عصبی
• 5. تابع فعال‌سازی و اهمیت آن
• 6. الگوریتم پس‌انتشار خطا
• 7. بهینه‌سازی گرادیان کاهشی
• 8. انتخاب نرخ یادگیری مناسب
• 9. معیارهای ارزیابی عملکرد مدل
• 10. بیش‌برازش و کم‌برازش در شبکه‌های عصبی
• 11. روش‌های مقابله با بیش‌برازش
• 12. تنظیم‌سازی L1 و L2
• 13. شبکه‌های عصبی کانولوشنی (CNN)
• 14. فیلترهای کانولوشنی و نقش آن‌ها
• 15. لایه‌های تجمیع (Pooling Layers)
• 16. معماری‌های معروف CNN (مانند LeNet، AlexNet)
• 17. شبکه‌های عصبی بازگشتی (RNN)
• 18. حافظه کوتاه‌مدت بلند (LSTM)
• 19. درک توالی‌ها با استفاده از RNN
• 20. شبکه‌های عصبی دوجهته (Bidirectional RNN)
• 21. کاربرد RNN در پردازش زبان طبیعی
• 22. شبکه‌های مولد تخاصمی (GAN)
• 23. مفهوم بازی‌های مجموع صفر در GAN
• 24. شبکه‌های خودرمزگذار (Autoencoders)
• 25. کاهش ابعاد با استفاده از خودرمزگذار
• 26. انواع مختلف خودرمزگذار
• 27. انتقال یادگیری (Transfer Learning)
• 28. پیش‌آموزش مدل‌ها و Fine-tuning
• 29. مجموعه داده‌های بزرگ برای تشخیص اشیا
• 30. آماده‌سازی داده‌ها برای شبکه‌های عصبی
• 31. افزایش داده‌ها (Data Augmentation)
• 32. انتخاب ویژگی‌های مناسب
• 33. پیش‌پردازش تصاویر برای تشخیص اشیا
• 34. نرم‌افزارهای متن‌باز برای یادگیری عمیق
• 35. TensorFlow و Keras
• 36. PyTorch و کاربردهای آن
• 37. استقرار مدل‌های تشخیص اشیا
• 38. بهینه‌سازی مدل‌ها برای دستگاه‌های محدود
• 39. تشخیص اشیا در تصاویر با کیفیت پایین
• 40. تشخیص اشیا در ویدیوهای زنده
• 41. کاربرد تشخیص اشیا در خودروهای خودران
• 42. تشخیص اشیا در تصاویر پزشکی
• 43. تشخیص چهره با استفاده از شبکه‌های عصبی
• 44. تشخیص دست‌نوشته‌ها
• 45. تشخیص خطاهای موجود در تصاویر