اکسپرس 24
کتاب کاربردهای یادگیری عمیق در پروژه‌های بینایی ماشین

کتاب کاربردهای یادگیری عمیق در پروژه‌های بینایی ماشین

تگ‌ها: Computer Vision Deep Learning بینایی ماشین پردازش تصویر پروژه‌های هوش مصنوعی تشخیص تصویر شبکه‌های عصبی هوش مصنوعی یادگیری عمیق یادگیری ماشین

انتخاب پلن

افزودنی‌های اختیاری

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 کاربردهای یادگیری عمیق در پروژه‌های بینایی ماشین

موضوع کلی: هوش مصنوعی و پردازش تصویر

موضوع میانی: یادگیری عمیق

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر بینایی ماشین و یادگیری عمیق
  • 2. پردازش تصویر دیجیتال: اصول و تکنیک‌ها
  • 3. مبانی شبکه‌های عصبی کانولوشنی (CNN)
  • 4. لایه‌های اصلی CNN: کانولوشن، Pooling و Activation
  • 5. تابع زیان و روش‌های بهینه‌سازی در CNN
  • 6. مجموعه‌داده‌ها و آماده‌سازی داده‌ها برای بینایی ماشین
  • 7. افزایش داده‌ها (Data Augmentation) برای بهبود عملکرد مدل
  • 8. انتقال یادگیری (Transfer Learning) در بینایی ماشین
  • 9. معماری‌های پیشرفته CNN: VGGNet، ResNet و Inception
  • 10. شبکه‌های مولد تخاصمی (GAN) و کاربردهای آن‌ها در تصویر
  • 11. تشخیص اشیا (Object Detection) با استفاده از CNN
  • 12. شبکه‌های R-CNN، Fast R-CNN و Faster R-CNN
  • 13. YOLO: الگوریتم تشخیص اشیا در زمان واقعی
  • 14. Segmentation تصاویر: Semantic Segmentation و Instance Segmentation
  • 15. U-Net: معماری محبوب برای Segmentation تصاویر
  • 16. شبکه‌های Fully Convolutional (FCN)
  • 17. پردازش تصاویر پزشکی با استفاده از یادگیری عمیق
  • 18. تشخیص بیماری‌ها از روی تصاویر رادیولوژی
  • 19. تحلیل تصاویر ماهواره‌ای با استفاده از یادگیری عمیق
  • 20. تشخیص تغییرات در تصاویر ماهواره‌ای
  • 21. شناسایی و طبقه‌بندی اشیا در تصاویر ماهواره‌ای
  • 22. تولید تصاویر با استفاده از یادگیری عمیق
  • 23. Style Transfer: تغییر سبک تصاویر
  • 24. Super-Resolution: افزایش کیفیت تصاویر
  • 25. Image Captioning: تولید شرح برای تصاویر
  • 26. Object Tracking: ردیابی اشیا در ویدئوها
  • 27. Action Recognition: تشخیص فعالیت‌ها در ویدئوها
  • 28. شبکه‌های بازگشتی (RNN) و کاربرد آن‌ها در ویدئوها
  • 29. Long Short-Term Memory (LSTM) برای پردازش ویدئوها
  • 30. شبکه‌های 3D CNN برای پردازش ویدئوها
  • 31. بینایی ماشین در خودروهای خودران
  • 32. تشخیص علائم راهنمایی و رانندگی
  • 33. تشخیص عابرین پیاده
  • 34. تشخیص موانع در مسیر خودرو
  • 35. تفسیرپذیری مدل‌های یادگیری عمیق در بینایی ماشین
  • 36. روش‌های Visualization برای درک عملکرد مدل
  • 37. آداب و اخلاق استفاده از هوش مصنوعی در بینایی ماشین
  • 38. بهبود کارایی مدل‌های یادگیری عمیق
  • 39. بهینه‌سازی حافظه و سرعت در مدل‌های یادگیری عمیق
  • 40. استفاده از GPU و TPU برای آموزش مدل‌های یادگیری عمیق
  • 41. ابزارهای توسعه یادگیری عمیق: TensorFlow، PyTorch و Keras
  • 42. کار با کتابخانه‌های پردازش تصویر: OpenCV و scikit-image
  • 43. معماری‌های Transformer برای بینایی ماشین (Vision Transformer)
  • 44. Self-Supervised Learning در بینایی ماشین
  • 45. Few-Shot Learning در بینایی ماشین
  • 46. Zero-Shot Learning در بینایی ماشین
  • 47. یادگیری تقویتی (Reinforcement Learning) در بینایی ماشین
  • 48. کاربردهای یادگیری عمیق در بازرسی کیفیت صنعتی
  • 49. تشخیص عیوب در محصولات با استفاده از بینایی ماشین
  • 50. کنترل کیفیت خودکار با استفاده از یادگیری عمیق
  • 51. یادگیری عمیق و واقعیت افزوده (AR)
  • 52. یادگیری عمیق و واقعیت مجازی (VR)
  • 53. مبانی یادگیری خودنظارتی برای تصاویر
  • 54. بهبود پایداری مدل‌های یادگیری عمیق در برابر نویز
  • 55. تکنیک‌های مقابله با حملات خصمانه (Adversarial Attacks)
  • 56. یادگیری عمیق در تلفن‌های همراه و دستگاه‌های لبه‌ای
  • 57. بهینه‌سازی مدل‌ها برای منابع محدود
  • 58. یادگیری عمیق و حریم خصوصی تصاویر
  • 59. تکنیک‌های حفظ حریم خصوصی در پردازش تصاویر
  • 60. کاربردهای یادگیری عمیق در هنر و طراحی
  • 61. تولید آثار هنری با استفاده از هوش مصنوعی
  • 62. یادگیری عمیق و تشخیص تقلب در تصاویر
  • 63. تشخیص تصاویر دستکاری شده
  • 64. مبانی یادگیری متریک برای تصاویر
  • 65. استفاده از Embedding برای جستجوی تصاویر مشابه
  • 66. یادگیری عمیق و تحلیل احساسات از تصاویر
  • 67. تشخیص حالات چهره و احساسات افراد
  • 68. یادگیری عمیق و بازسازی تصاویر سه بعدی
  • 69. تخمین عمق از تصاویر
  • 70. یادگیری عمیق و درک صحنه‌های پیچیده
  • 71. تشخیص روابط بین اشیا در تصاویر

📚 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.