کتاب صوتی بینایی کامپیوتری و مدل‌های چندوجهی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بینایی کامپیوتری و مدل‌های چندوجهی

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: معماری‌های مدل‌های چندوجهی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر بینایی کامپیوتری و مدل‌های چندوجهی
• 2. پردازش تصویر دیجیتال: اصول و تکنیک‌ها
• 3. تشخیص الگو در تصاویر
• 4. ویژگی‌های بصری و استخراج آن‌ها
• 5. شبکه‌های عصبی کانولوشنی (CNN): مبانی
• 6. معماری‌های CNN پیشرفته (VGG, ResNet, Inception)
• 7. انتقال یادگیری در بینایی کامپیوتری
• 8. تشخیص اشیاء با CNN
• 9. Segmentation تصویر: روش‌ها و کاربردها
• 10. تشخیص چهره و تحلیل احساسات
• 11. برآورد عمق و بازسازی سه‌بعدی
• 12. بینایی کامپیوتری برای رباتیک
• 13. مقدمه‌ای بر مدل‌های چندوجهی
• 14. چالش‌های ادغام داده‌های بصری و زبانی
• 15. مدل‌های زبانی بزرگ (LLM) و بینایی کامپیوتری
• 16. Vision Transformers (ViT) و معماری‌های مرتبط
• 17. داده‌نامه‌بندی (Data Annotation) برای داده‌های چندوجهی
• 18. مدل‌های Captioning تصویر: تولید شرح برای تصاویر
• 19. Visual Question Answering (VQA): پاسخ به سوالات در مورد تصاویر
• 20. Object Detection with LLM
• 21. Image Generation با مدل‌های چندوجهی
• 22. Text-to-Image Generation (Stable Diffusion, DALL-E)
• 23. Image-to-Text Generation
• 24. Multimodal Embedding Spaces
• 25. هم‌ترازی و همگام‌سازی داده‌های چندوجهی
• 26. یادگیری خودنظارتی در مدل‌های چندوجهی
• 27. Fine-tuning مدل‌های چندوجهی از پیش آموزش‌دیده
• 28. کاربردهای مدل‌های چندوجهی در پزشکی
• 29. کاربردهای مدل‌های چندوجهی در خودروهای خودران
• 30. کاربردهای مدل‌های چندوجهی در تجارت الکترونیک
• 31. ارزیابی و معیارهای عملکرد مدل‌های چندوجهی
• 32. مجموعه‌داده‌های استاندارد در بینایی کامپیوتری و مدل‌های چندوجهی
• 33. ابزارهای توسعه و فریم‌ورک‌های محبوب (TensorFlow, PyTorch)
• 34. بهینه‌سازی و استقرار مدل‌های چندوجهی
• 35. آینده بینایی کامپیوتری و مدل‌های چندوجهی