کتاب مبانی و کاربردهای شبکه‌های عصبی کانولوشنی در پردازش تصویر

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 مبانی و کاربردهای شبکه‌های عصبی کانولوشنی در پردازش تصویر

موضوع کلی: هوش مصنوعی و کاربردهای آن

موضوع میانی: یادگیری عمیق و شبکه‌های عصبی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مبانی یادگیری عمیق
  • 3. شبکه‌های عصبی مصنوعی
  • 4. معماری شبکه‌های عصبی
  • 5. توابع فعال‌سازی در شبکه‌های عصبی
  • 6. تابع هزینه و بهینه‌سازی
  • 7. روش‌های پس‌انتشار خطا
  • 8. مقدمه‌ای بر پردازش تصویر
  • 9. اصول پایه‌ی شبکه‌های عصبی کانولوشنی (CNN)
  • 10. لایه‌های کانولوشن و ویژگی‌یابی
  • 11. لایه‌های پولینگ و کاهش ابعاد
  • 12. لایه‌های کاملاً متصل
  • 13. معماری‌های رایج CNN
  • 14. شبکه‌های LeNet
  • 15. شبکه‌های AlexNet
  • 16. شبکه‌های VGG
  • 17. شبکه‌های ResNet
  • 18. شبکه‌های Inception
  • 19. کاربردهای CNN در تشخیص تصویر
  • 20. طبقه‌بندی تصاویر
  • 21. تشخیص اشیاء در تصاویر
  • 22. بخش‌بندی معنایی تصاویر
  • 23. تشخیص لبه و استخراج ویژگی
  • 24. پردازش و پیش‌پردازش تصاویر
  • 25. نرمال‌سازی و استانداردسازی تصاویر
  • 26. افزایش داده (Data Augmentation)
  • 27. رایج‌ترین تکنیک‌های افزایش داده
  • 28. شبکه‌های عصبی بازگشتی (RNN) برای توالی‌ها
  • 29. کاربرد RNN در پردازش زبان طبیعی
  • 30. مقدمه‌ای بر شبکه‌های مولد تخاصمی (GAN)
  • 31. معماری GAN
  • 32. کاربرد GAN در تولید تصویر
  • 33. مقدمه‌ای بر یادگیری تقویتی
  • 34. کاربرد یادگیری تقویتی در رباتیک
  • 35. مبانی یادگیری عمیق در پردازش تصویر
  • 36. مراحل آموزش شبکه‌های عصبی
  • 37. انتخاب تابع فعال‌سازی مناسب
  • 38. انواع بهینه‌سازها (Optimizers)
  • 39. تنظیم نرخ یادگیری (Learning Rate)
  • 40. روش‌های تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 41. اعتبارسنجی متقابل (Cross-validation)
  • 42. بیش‌برازش (Overfitting) و کم‌برازش (Underfitting)
  • 43. تکنیک‌های جلوگیری از بیش‌برازش
  • 44. تنظیم‌گری (Regularization)
  • 45. حذف نورون‌ها (Dropout)
  • 46. مقدمه‌ای بر فریم‌ورک‌های یادگیری عمیق
  • 47. TensorFlow و Keras
  • 48. PyTorch
  • 49. آموزش مدل با TensorFlow/Keras
  • 50. آموزش مدل با PyTorch
  • 51. پیاده‌سازی CNN از ابتدا
  • 52. کاربرد CNN در تشخیص پزشکی
  • 53. تشخیص بیماری‌های چشمی
  • 54. تشخیص تومورهای مغزی
  • 55. کاربرد CNN در خودروهای خودران
  • 56. تشخیص علائم راهنمایی و رانندگی
  • 57. تشخیص موانع در جاده
  • 58. کاربرد CNN در کشاورزی هوشمند
  • 59. تشخیص آفات و بیماری‌های گیاهی
  • 60. تخمین میزان محصولات
  • 61. کاربرد CNN در امنیت و نظارت
  • 62. تشخیص چهره
  • 63. تشخیص رفتارهای مشکوک
  • 64. کاربرد CNN در تحلیل ویدئو
  • 65. تشخیص فعالیت انسان در ویدئو
  • 66. طبقه‌بندی صحنه‌های ویدئویی
  • 67. مقدمه‌ای بر مدل‌های ترنسفورمر (Transformer)
  • 68. کاربرد ترنسفورمر در پردازش تصویر
  • 69. شبکه‌های عصبی گراف (GNN)
  • 70. کاربرد GNN در پردازش تصویر
  • 71. مباحث پیشرفته در CNN
  • 72. شبکه‌های عصبی پیچشی (Convolutional Neural Networks)
  • 73. شبکه‌های پیچشی در سه بعد
  • 74. شبکه‌های پیچشی کاشی‌کاری شده (Tiled Convolutions)
  • 75. شبکه‌های پیچشی کانولوشنال بازگشتی
  • 76. شبکه‌های پیچشی با کانولوشن‌های نامنظم
  • 77. شبکه‌های پیچشی با هسته‌های قابل یادگیری
  • 78. شبکه‌های پیچشی برای داده‌های پراکنده
  • 79. شبکه‌های پیچشی با معماری‌های پویا
  • 80. شبکه‌های پیچشی با مکانیسم توجه (Attention)
  • 81. کاربرد توجه در CNN
  • 82. مقدمه‌ای بر یادگیری انتقال (Transfer Learning)
  • 83. استفاده از مدل‌های از پیش آموزش‌دیده
  • 84. تنظیم دقیق (Fine-tuning) مدل‌ها
  • 85. کاربرد یادگیری انتقال در تشخیص تصویر
  • 86. کاربرد یادگیری انتقال در طبقه‌بندی تصویر
  • 87. کاربرد یادگیری انتقال در تشخیص اشیاء
  • 88. کاربرد یادگیری انتقال در بخش‌بندی تصویر
  • 89. داده‌کاوی و تحلیل داده‌های تصویری
  • 90. استخراج ویژگی‌های معنایی از تصاویر
  • 91. تحلیل محتوای بصری
  • 92. مقدمه‌ای بر اخلاق در هوش مصنوعی
  • 93. حریم خصوصی در پردازش تصویر
  • 94. سوگیری در مدل‌های یادگیری عمیق
  • 95. مسئولیت‌پذیری در سیستم‌های هوش مصنوعی
  • 96. آینده‌ی شبکه‌های عصبی کانولوشنی
  • 97. تحقیقات جاری در CNN
  • 98. چالش‌های پیش رو در CNN
  • 99. پروژه‌های عملی با CNN
  • 100. ساخت یک طبقه‌بندی‌کننده تصویر ساده

📚 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.