کتاب طبقه‌بندی و بخش‌بندی داده‌های تصویری با رویکرد یادگیری ماشین

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طبقه‌بندی و بخش‌بندی داده‌های تصویری با رویکرد یادگیری ماشین

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: پردازش تصویر و تحلیل داده‌های بصری

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مفاهیم پایه یادگیری ماشین
  • 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 4. مقدمه‌ای بر پردازش تصویر
  • 5. کاربرد پردازش تصویر در دنیای امروز
  • 6. مبانی ریاضی پردازش تصویر
  • 7. آنالیز هیستوگرام تصاویر
  • 8. تصحیح و بهبود کیفیت تصاویر
  • 9. فیلترهای مکانی و فرکانسی
  • 10. تبدیل فوریه در پردازش تصویر
  • 11. شناسایی لبه‌ها در تصاویر
  • 12. تشخیص اشیاء در تصاویر
  • 13. مقدمه‌ای بر یادگیری عمیق
  • 14. شبکه‌های عصبی کانولوشنی (CNN)
  • 15. ساختار شبکه‌های CNN
  • 16. آموزش شبکه‌های CNN
  • 17. معماری‌های معروف CNN
  • 18. کاربرد CNN در طبقه‌بندی تصاویر
  • 19. کاربرد CNN در بخش‌بندی تصاویر
  • 20. مجموعه داده‌های تصویری برای یادگیری ماشین
  • 21. پیش‌پردازش داده‌های تصویری
  • 22. استانداردسازی تصاویر
  • 23. افزایش داده (Data Augmentation)
  • 24. تقسیم داده به مجموعه‌های آموزش، اعتبارسنجی و تست
  • 25. معیارهای ارزیابی مدل‌های طبقه‌بندی
  • 26. دقت (Accuracy)
  • 27. صحت (Precision)
  • 28. بازیابی (Recall)
  • 29. امتیاز F1
  • 30. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 31. معیارهای ارزیابی مدل‌های بخش‌بندی
  • 32. شاخص Jaccard
  • 33. شاخص Dice
  • 34. معرفی ابزارهای یادگیری ماشین
  • 35. کتابخانه‌های پایتون: TensorFlow و Keras
  • 36. کتابخانه‌های پایتون: PyTorch
  • 37. کار با داده‌های تصویری با OpenCV
  • 38. مقدمه‌ای بر طبقه‌بندی تصاویر
  • 39. روش‌های سنتی طبقه‌بندی تصاویر
  • 40. طبقه‌بندی تصاویر با استفاده از ویژگی‌های کلاسیک
  • 41. استخراج ویژگی‌های SIFT و SURF
  • 42. استخراج ویژگی‌های HOG
  • 43. طبقه‌بندی تصاویر با ماشین‌های بردار پشتیبان (SVM)
  • 44. طبقه‌بندی تصاویر با درخت‌های تصمیم
  • 45. طبقه‌بندی تصاویر با شبکه‌های عصبی
  • 46. پیاده‌سازی مدل طبقه‌بندی با Keras
  • 47. آموزش مدل طبقه‌بندی بر روی مجموعه داده
  • 48. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 49. پیش‌بینی بر روی تصاویر جدید
  • 50. مقدمه‌ای بر بخش‌بندی تصاویر
  • 51. انواع بخش‌بندی تصاویر: معنایی و نمونه‌ای
  • 52. بخش‌بندی مبتنی بر آستانه (Thresholding)
  • 53. بخش‌بندی مبتنی بر رشد ناحیه (Region Growing)
  • 54. بخش‌بندی مبتنی بر لبه
  • 55. بخش‌بندی با الگوریتم K-Means
  • 56. بخش‌بندی تصاویر با شبکه‌های عصبی کانولوشنی
  • 57. معماری‌های معروف برای بخش‌بندی
  • 58. U-Net برای بخش‌بندی معنایی
  • 59. Mask R-CNN برای بخش‌بندی نمونه‌ای
  • 60. پیاده‌سازی مدل بخش‌بندی معنایی با Keras
  • 61. آموزش مدل بخش‌بندی معنایی
  • 62. ارزیابی مدل بخش‌بندی معنایی
  • 63. پیاده‌سازی مدل بخش‌بندی نمونه‌ای
  • 64. آموزش مدل بخش‌بندی نمونه‌ای
  • 65. ارزیابی مدل بخش‌بندی نمونه‌ای
  • 66. کاربرد طبقه‌بندی و بخش‌بندی در صنایع مختلف
  • 67. پزشکی و تشخیص بیماری‌ها
  • 68. خودروهای خودران و تشخیص موانع
  • 69. کشاورزی و تحلیل محصولات
  • 70. نظارت و امنیت
  • 71. تحلیل داده‌های ماهواره‌ای
  • 72. مباحث پیشرفته در یادگیری ماشین تصویری
  • 73. یادگیری انتقالی (Transfer Learning)
  • 74. تنظیم دقیق (Fine-tuning) مدل‌های از پیش آموزش دیده
  • 75. شبکه‌های مولد تخاصمی (GANs)
  • 76. کاربرد GANs در تولید تصاویر
  • 77. مدل‌های تشخیص اشیاء (Object Detection)
  • 78. معماری‌های YOLO و SSD
  • 79. مدل‌های تشخیص نقاط کلیدی (Keypoint Detection)
  • 80. ملاحظات اخلاقی در پردازش تصویر
  • 81. حریم خصوصی و امنیت داده‌های تصویری
  • 82. سوگیری در مدل‌های یادگیری ماشین تصویری
  • 83. مسئولیت‌پذیری در توسعه هوش مصنوعی
  • 84. آینده یادگیری ماشین تصویری
  • 85. یادگیری عمیق با رویکرد اسلامی
  • 86. اصول اخلاقی در توسعه هوش مصنوعی مبتنی بر آموزه‌های دینی
  • 87. کاربرد هوش مصنوعی در خدمت جامعه با رعایت شئونات اسلامی
  • 88. تحلیل داده‌های تصویری با رویکرد بومی‌سازی شده
  • 89. فناوری‌های نوین در هوش مصنوعی تصویری
  • 90. پروژه‌های عملی در طبقه‌بندی و بخش‌بندی تصاویر
  • 91. ارائه و نمایش نتایج مدل‌ها
  • 92. جمع‌بندی و گام‌های آتی در هوش مصنوعی تصویری

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.