فلش‌کارت‌های آموزشی ساخت اپلیکیشن تشخیص گربه و سگ با استفاده از فلاتر و تنسور فلو لایت

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساخت اپلیکیشن تشخیص گربه و سگ با استفاده از فلاتر و تنسور فلو لایت

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: توسعهٔ برنامه‌های کاربردی با یادگیری ماشین

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
• 2. مبانی یادگیری ماشین
• 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
• 4. آشنایی با شبکه‌های عصبی مصنوعی
• 5. مفاهیم اولیه شبکه‌های عصبی: نورون، لایه، فعال‌سازی
• 6. پس‌انتشار خطا (Backpropagation)
• 7. شبکه‌های عصبی کانولوشنال (CNN)
• 8. کاربرد CNN در تشخیص تصویر
• 9. مبانی تنسور فلو (TensorFlow)
• 10. آشنایی با تنسور فلو لایت (TensorFlow Lite)
• 11. مزایای تنسور فلو لایت برای توسعه اپلیکیشن
• 12. مقدمه‌ای بر فلاتر (Flutter)
• 13. مبانی توسعه اپلیکیشن با فلاتر
• 14. ساختار پروژه‌های فلاتر
• 15. ویجت‌ها در فلاتر: استاتیک و داینامیک
• 16. مدیریت وضعیت (State Management) در فلاتر
• 17. آشنایی با معماری MVP در فلاتر
• 18. آماده‌سازی محیط توسعه: نصب ابزارها
• 19. نصب فلاتر SDK و Android Studio
• 20. پیکربندی شبیه‌ساز یا دستگاه اندروید
• 21. ایجاد اولین پروژه فلاتر
• 22. ساختار پوشه‌ها و فایل‌های پروژه
• 23. طراحی رابط کاربری (UI) اپلیکیشن
• 24. استفاده از ویجت‌های پایه فلاتر
• 25. طراحی صفحه اصلی اپلیکیشن
• 26. ایجاد دکمه‌ها و فیلدهای ورودی
• 27. استفاده از Layouts برای چیدمان عناصر
• 28. مدل‌سازی داده‌ها در فلاتر
• 29. آشنایی با مدل‌های داده‌ای
• 30. تعریف کلاس‌های داده برای گربه و سگ
• 31. آماده‌سازی داده‌های آموزشی
• 32. اهمیت کیفیت و کمیت داده‌ها
• 33. جمع‌آوری مجموعه داده تصاویر گربه و سگ
• 34. پیش‌پردازش تصاویر: تغییر اندازه، نرمال‌سازی
• 35. تقسیم داده‌ها به مجموعه آموزشی و آزمایشی
• 36. توسعه مدل یادگیری ماشین
• 37. انتخاب معماری مدل CNN مناسب
• 38. ساخت مدل با تنسور فلو
• 39. تعریف لایه‌های کانولوشنال و پولینگ
• 40. لایه Fully Connected و لایه خروجی
• 41. تنظیم هایپرپارامترهای مدل
• 42. آموزش مدل با داده‌های جمع‌آوری شده
• 43. استفاده از تابع هزینه (Loss Function) مناسب
• 44. انتخاب بهینه‌ساز (Optimizer)
• 45. تنظیم نرخ یادگیری (Learning Rate)
• 46. شروع فرآیند آموزش مدل
• 47. نظارت بر فرآیند آموزش
• 48. ارزیابی عملکرد مدل
• 49. معیارهای ارزیابی: دقت (Accuracy)، پرسیژن، ریکال
• 50. تشخیص گربه و سگ با مدل آموزش دیده
• 51. ذخیره مدل آموزش دیده
• 52. تبدیل مدل به فرمت تنسور فلو لایت
• 53. مراحل تبدیل مدل به TFLite
• 54. تنظیمات بهینه‌سازی برای TFLite
• 55. استفاده از مدل TFLite در اپلیکیشن فلاتر
• 56. اضافه کردن وابستگی تنسور فلو لایت به پروژه
• 57. بارگذاری مدل TFLite در برنامه
• 58. اجرای پیش‌بینی (Inference) با مدل TFLite
• 59. دریافت تصویر از دوربین یا گالری
• 60. پردازش تصویر ورودی برای مدل
• 61. ارسال تصویر پردازش شده به مدل
• 62. دریافت نتیجه پیش‌بینی از مدل
• 63. نمایش نتیجه تشخیص به کاربر
• 64. نمایش پیام "گربه" یا "سگ"
• 65. مدیریت خطاهای احتمالی
• 66. اشکال‌زدایی (Debugging) اپلیکیشن
• 67. عیب‌یابی مشکلات رابط کاربری
• 68. عیب‌یابی مشکلات مربوط به مدل TFLite
• 69. بهبود عملکرد اپلیکیشن
• 70. بهینه‌سازی سرعت پیش‌بینی
• 71. کاهش حجم مدل TFLite
• 72. افزایش دقت مدل با داده‌های بیشتر
• 73. تنظیمات پیشرفته‌تر مدل
• 74. مباحث تکمیلی در یادگیری ماشین
• 75. یادگیری عمیق (Deep Learning)
• 76. شبکه‌های عصبی بازگشتی (RNN)
• 77. شبکه‌های عصبی ترنسفورمر (Transformer)
• 78. پردازش زبان طبیعی (NLP)
• 79. بینایی ماشین (Computer Vision)
• 80. کاربردهای پیشرفته هوش مصنوعی
• 81. اخلاق در هوش مصنوعی
• 82. مسئولیت‌پذیری در توسعه هوش مصنوعی
• 83. آینده هوش مصنوعی و تاثیر آن بر جامعه
• 84. تمرین عملی: ساخت اپلیکیشن تشخیص اشیاء
• 85. توسعه اپلیکیشن تشخیص چهره
• 86. توسعه اپلیکیشن تشخیص متن (OCR)
• 87. مقدمه‌ای بر مفاهیم فقهی مرتبط با داده و فناوری
• 88. حریم خصوصی داده‌ها در فقه اسلامی
• 89. ضوابط شرعی استفاده از فناوری‌های نوین
• 90. ملاحظات شرعی در توسعه اپلیکیشن‌های هوش مصنوعی
• 91. قوانین و مقررات جمهوری اسلامی ایران در حوزه فضای مجازی
• 92. آیین‌نامه ساماندهی محتوای دیجیتال
• 93. مصوبات شورای عالی انقلاب فرهنگی مرتبط با فناوری
• 94. حدود شرعی در تولید و انتشار محتوا
• 95. تطبیق با مذهب رسمی کشور (تشیع اثنی‌عشری)
• 96. نکات نهایی و جمع‌بندی دوره
• 97. منابع بیشتر برای مطالعه
• 98. کتابخانه معادلات ریاضی و آمار مرتبط
• 99. فرهنگ لغت اصطلاحات تخصصی هوش مصنوعی
• 100. آشنایی با ابزارها و کتابخانه‌های مرتبط با فلاتر