دوره مبانی هوش مصنوعی و تحلیل تصاویر دیجیتال: از تئوری تا کاربردهای صنعتی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی هوش مصنوعی و تحلیل تصاویر دیجیتال: از تئوری تا کاربردهای صنعتی

موضوع کلی: علوم رایانه و فناوری‌های نوین

موضوع میانی: هوش مصنوعی و بینایی ماشین

📋 سرفصل‌های دوره

• 1. مفاهیم پایه و تاریخچه هوش مصنوعی
• 2. آشنایی با ساختار سیستم‌های بینایی ماشین
• 3. مبانی پردازش تصویر دیجیتال و پیکسل‌ها
• 4. معرفی کتابخانه‌های استاندارد پردازش تصویر
• 5. پیش‌پردازش تصاویر و بهبود کیفیت داده‌های بصری
• 6. فیلترها و تبدیل‌های خطی در پردازش تصویر
• 7. آستانه‌گذاری و بخش‌بندی تصاویر
• 8. آشکارسازی لبه‌ها و ویژگی‌های هندسی در تصاویر
• 9. مبانی یادگیری ماشین و نقش آن در بینایی ماشین
• 10. معرفی شبکه عصبی پرسپترون
• 11. آموزش الگوریتم‌های یادگیری نظارت شده
• 12. توابع فعال‌سازی و نقش آن‌ها در مدل‌های هوشمند
• 13. بهینه‌سازی و توابع هزینه در شبکه‌های عصبی
• 14. آشنایی با شبکه‌های عصبی عمیق
• 15. معماری شبکه‌های عصبی کانولوشنی
• 16. لایه‌های کانولوشن و استخراج ویژگی‌های خودکار
• 17. لایه‌های ادغام و کاهش ابعاد در شبکه‌های عمیق
• 18. توابع تلفات و تنظیم‌کننده‌ها برای جلوگیری از بیش‌برازش
• 19. آموزش مدل‌های دسته‌بندی تصاویر با یادگیری عمیق
• 20. مفاهیم تشخیص اشیاء در تصاویر
• 21. معرفی الگوریتم‌های مکان‌یابی اشیاء
• 22. آشنایی با مجموعه‌داده‌های استاندارد تصاویر
• 23. روش‌های افزایش داده برای بهبود دقت مدل‌ها
• 24. یادگیری انتقالی و استفاده از مدل‌های پیش‌آموزش‌دیده
• 25. بخش‌بندی معنایی تصاویر و کاربردهای آن
• 26. تحلیل ویدئو و تشخیص حرکت
• 27. ردیابی اشیاء در جریان‌های ویدئویی
• 28. مبانی بینایی ماشین در رباتیک صنعتی
• 29. کنترل کیفیت خودکار در خطوط تولید با بینایی ماشین
• 30. تشخیص هویت و پردازش چهره در چارچوب حریم خصوصی
• 31. کاربردهای بینایی ماشین در کشاورزی هوشمند
• 32. کاربردهای بینایی ماشین در پزشکی (تصویربرداری تشخیصی)
• 33. پردازش تصاویر ماهواره‌ای و پایش محیط‌زیست
• 34. تکنیک‌های کاهش نویز در تصاویر دیجیتال
• 35. بازسازی تصاویر و افزایش وضوح
• 36. آشنایی با سیستم‌های بینایی استریو و عمق‌سنجی
• 37. هوش مصنوعی در تحلیل اسناد و نویسه‌خوان‌های نوری
• 38. چالش‌های پیاده‌سازی سیستم‌های بینایی ماشین در صنعت
• 39. بهینه‌سازی مدل‌ها برای اجرا در سیستم‌های نهفته
• 40. امنیت در سامانه‌های هوش مصنوعی و بینایی ماشین
• 41. اخلاق در توسعه هوش مصنوعی و مسئولیت‌پذیری فنی
• 42. آینده‌نگاری فناوری‌های بینایی ماشین در ایران
• 43. پروژه‌های عملی و پیاده‌سازی مدل‌های یادگیری عمیق