کتاب شبکههای کانولوشنال کانونی: تکنیکها و ابزارها با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره شبکههای کانولوشنال کانونی: تکنیکها و ابزارها
موضوع کلی: هوش مصنوعی و مدلهای زبانی بزرگ
موضوع میانی: شبکههای عصبی کانولوشنال (CNN)
📋 سرفصلهای دوره
- 1. مقدمهای بر شبکههای عصبی کانولوشنال
- 2. کانولوشن: هسته اصلی CNNها
- 3. فیلترها و نقش آنها در تشخیص الگو
- 4. تابع فعالسازی ReLU و اهمیت آن
- 5. لایههای Pooling: کاهش ابعاد و افزایش کارایی
- 6. Max Pooling و Average Pooling: مقایسه و کاربردها
- 7. معماریهای استاندارد CNN: LeNet-5
- 8. معماریهای استاندارد CNN: AlexNet
- 9. معماریهای استاندارد CNN: VGGNet
- 10. معماریهای استاندارد CNN: GoogLeNet (Inception)
- 11. معماریهای استاندارد CNN: ResNet
- 12. تفکیکپذیری کانولوشن (Separable Convolutions)
- 13. کانولوشنهای dilated
- 14. شبکههای کانولوشنال عمیقتر: چالشها و راهکارها
- 15. تنظیم پارامترهای CNN: نرخ یادگیری، Batch Size و Optimizerها
- 16. Regularization در CNNها: Dropout و Weight Decay
- 17. Data Augmentation برای بهبود عملکرد CNN
- 18. انتقال یادگیری (Transfer Learning) در CNNها
- 19. Fine-tuning مدلهای از پیش آموزشدیده
- 20. شبکههای کانولوشنال برای پردازش تصاویر رنگی
- 21. شبکههای کانولوشنال برای پردازش تصاویر grayscale
- 22. تشخیص اشیاء با CNN: Region-based CNN (R-CNN)
- 23. Fast R-CNN و Faster R-CNN
- 24. Single Shot Detector (SSD)
- 25. YOLO: You Only Look Once
- 26. Segmentation تصاویر با CNN
- 27. U-Net برای Segmentation تصاویر پزشکی
- 28. شبکههای کانولوشنال سه بعدی (3D CNN)
- 29. کاربرد CNN در پردازش ویدئو
- 30. شبکههای کانولوشنال گرافیکی (GCN)
- 31. CNN و پردازش زبان طبیعی (NLP)
- 32. استفاده از CNN برای تحلیل احساسات
- 33. شبکههای کانولوشنال و تشخیص تقلب
- 34. CNN برای تشخیص ناهنجاریها
- 35. پیادهسازی CNN با TensorFlow/Keras
- 36. پیادهسازی CNN با PyTorch
- 37. بهینهسازی CNN برای دستگاههای موبایل و embedded
- 38. Quantization و Pruning در CNN
- 39. Distillation دانش در CNN
- 40. تفسیرپذیری CNN: Visualizing Activations
- 41. Grad-CAM: Gradient-weighted Class Activation Mapping
- 42. CNN و شبکههای مولد تخاصمی (GANs)
- 43. کاربردهای پیشرفته CNN در صنایع مختلف
- 44. چالشها و آینده CNN
تگها:
CNN
computer vision
convolutional neural network
deep learning
image processing
Keras
PyTorch
segmentation
TensorFlow
انتقال یادگیری
پردازش تصویر
تشخیص اشیا
شبکه عصبی کانولوشنال
هوش مصنوعی
یادگیری عمیق
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.