دوره شبکه‌های عصبی کانولوشنی برای درک خودکار همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره شبکه‌های عصبی کانولوشنی برای درک خودکار

موضوع کلی: هوش مصنوعی

موضوع میانی: یادگیری ماشین

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر درک خودکار و نقش شبکه‌های عصبی کانولوشنی
• 2. مروری بر شبکه‌های عصبی سنتی و محدودیت‌های آن‌ها
• 3. کانولوشن: هسته اصلی شبکه‌های عصبی کانولوشنی
• 4. نحوه عملکرد کانولوشن در تصاویر
• 5. لایه Pooling: کاهش ابعاد و افزایش کارایی
• 6. انواع مختلف لایه Pooling (Max Pooling, Average Pooling)
• 7. معماری‌های پایه شبکه‌های عصبی کانولوشنی (LeNet, AlexNet)
• 8. معماری VGGNet: عمق و یکنواختی
• 9. معماری GoogleNet (Inception): شاخه‌بندی و کارایی
• 10. معماری ResNet: حل مشکل vanishing gradient
• 11. معماری‌های پیشرفته‌تر (DenseNet, MobileNet)
• 12. تابع فعال‌سازی ReLU و مشتقات آن
• 13. بهینه‌سازها و نرخ یادگیری
• 14. Regularization: جلوگیری از overfitting
• 15. Dropout: یک تکنیک regularization
• 16. Batch Normalization: تسریع آموزش و بهبود پایداری
• 17. Data Augmentation: افزایش تنوع داده‌ها
• 18. انتقال یادگیری (Transfer Learning) و fine-tuning
• 19. شبکه‌های عصبی کانولوشنی برای تشخیص اشیاء
• 20. R-CNN, Fast R-CNN, Faster R-CNN
• 21. YOLO: تشخیص اشیاء در زمان واقعی
• 22. SSD: Single Shot MultiBox Detector
• 23. Mask R-CNN: تشخیص و segmentation اشیاء
• 24. شبکه‌های عصبی کانولوشنی برای segmentation تصویر
• 25. Fully Convolutional Networks (FCN)
• 26. U-Net: معماری محبوب برای segmentation تصویر
• 27. شبکه‌های عصبی کانولوشنی برای تخمین عمق
• 28. شبکه‌های عصبی کانولوشنی برای تشخیص چهره
• 29. شبکه‌های عصبی کانولوشنی برای تشخیص علائم راهنمایی و رانندگی
• 30. شبکه‌های عصبی کانولوشنی برای رانندگی خودکار
• 31. چالش‌های موجود در استفاده از شبکه‌های عصبی کانولوشنی در محیط‌های واقعی
• 32. روش‌های ارزیابی عملکرد شبکه‌های عصبی کانولوشنی
• 33. متریک‌های ارزیابی: دقت، Recall، F1-score، IoU
• 34. مجموعه‌ داده‌های استاندارد برای درک خودکار
• 35. COCO, ImageNet, Cityscapes
• 36. پیاده‌سازی شبکه‌های عصبی کانولوشنی با TensorFlow
• 37. پیاده‌سازی شبکه‌های عصبی کانولوشنی با PyTorch
• 38. استفاده از GPU برای تسریع آموزش
• 39. بهینه‌سازی مدل‌های کانولوشنی برای استقرار روی دستگاه‌های تعبیه‌شده
• 40. آینده شبکه‌های عصبی کانولوشنی در درک خودکار
• 41. یادگیری خود نظارتی (Self-Supervised Learning)
• 42. شبکه‌های ترانسفورمر (Transformers) در درک تصویر
• 43. ترکیب شبکه‌های عصبی کانولوشنی و ترانسفورمرها
• 44. تفسیرپذیری شبکه‌های عصبی کانولوشنی (Explainable AI)
• 45. حملات adversarial و دفاع در برابر آن‌ها