دوره هوش مصنوعی و تشخیص تصویر همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره هوش مصنوعی و تشخیص تصویر

موضوع کلی: برنامه‌نویسی کامپیوترهای خانگی

موضوع میانی: AI for AI Vision Setting

📋 سرفصل‌های دوره

• 1. مبانی هوش مصنوعی
• 2. آشنایی با یادگیری ماشین
• 3. شبکه‌های عصبی مصنوعی: مقدمه
• 4. الگوریتم‌های طبقه‌بندی تصاویر
• 5. مجموعه‌داده‌های تصاویر: آماده‌سازی و سازماندهی
• 6. پیش‌پردازش تصاویر برای تشخیص
• 7. افزایش داده‌ها (Data Augmentation)
• 8. ویژگی‌های تصاویر: استخراج و انتخاب
• 9. یادگیری عمیق (Deep Learning) در تشخیص تصویر
• 10. شبکه‌های کانولوشنی (CNN): اصول اولیه
• 11. لایه‌های کانولوشنی: فیلترها و نقشه‌ها
• 12. لایه‌های تجمیع (Pooling Layers)
• 13. شبکه‌های CNN: معماری‌ها و کاربردها
• 14. انتقال یادگیری (Transfer Learning)
• 15. مدل‌های پیش‌آموزش‌دیده (Pre-trained Models)
• 16. تنظیم دقیق مدل‌ها (Fine-tuning)
• 17. ارزیابی مدل‌های تشخیص تصویر
• 18. معیارهای ارزیابی: دقت، بازخوانی، F1-score
• 19. ماتریس درهم‌ریختگی (Confusion Matrix)
• 20. بهینه‌سازی مدل‌ها: تنظیم هایپرپارامترها
• 21. تنظیم‌کننده‌ها (Regularization)
• 22. روش‌های جلوگیری از بیش‌برازش (Overfitting)
• 23. شبکه‌های بازگشتی (RNN) و کاربرد آن‌ها در تصاویر
• 24. تشخیص اشیاء در تصاویر (Object Detection)
• 25. R-CNN و مشتقات آن
• 26. Fast R-CNN و Faster R-CNN
• 27. SSD (Single Shot MultiBox Detector)
• 28. YOLO: الگوریتم تشخیص اشیاء در زمان واقعی
• 29. شبکه‌های مولد تخاصمی (GAN) در تشخیص تصویر
• 30. GANها برای افزایش کیفیت تصاویر
• 31. GANها برای تولید تصاویر جدید
• 32. بومی‌سازی تصویر (Image Localization)
• 33. تقسیم‌بندی معنایی (Semantic Segmentation)
• 34. شبکه‌های U-Net برای تقسیم‌بندی تصویر
• 35. تشخیص چهره (Face Detection)
• 36. تشخیص حالات چهره (Facial Expression Recognition)
• 37. تشخیص ویژگی‌های چهره (Facial Landmark Detection)
• 38. تشخیص متن در تصاویر (Optical Character Recognition)
• 39. تشخیص دست‌نوشته
• 40. تشخیص ناهنجاری در تصاویر (Anomaly Detection)
• 41. کاربرد هوش مصنوعی در تصاویر پزشکی
• 42. کاربرد هوش مصنوعی در تصاویر ماهواره‌ای
• 43. کاربرد هوش مصنوعی در خودروهای خودران
• 44. چالش‌های تشخیص تصویر: نور، زاویه دید، وضوح
• 45. اخلاق و مسئولیت‌پذیری در هوش مصنوعی و تشخیص تصویر