کتاب طبقه‌بندی تصاویر با شبکه‌های عصبی کانولوشن (CNN) در پایتون

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 تصاویر با شبکه‌های عصبی کانولوشن (CNN) در پایتون

موضوع کلی: هوش مصنوعی

موضوع میانی: یادگیری عمیق

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری ماشین و یادگیری عمیق
  • 2. شبکه‌های عصبی: مبانی و مفاهیم کلیدی
  • 3. معرفی شبکه‌های عصبی کانولوشن (CNN)
  • 4. مزایای CNN نسبت به شبکه‌های عصبی سنتی
  • 5. معماری یک شبکه CNN: لایه‌ها و اجزا
  • 6. لایه‌های کانولوشن: فیلترها، نقشه‌ها و ویژگی‌ها
  • 7. لایه‌های Pooling: کاهش ابعاد و افزایش کارایی
  • 8. توابع فعال‌سازی: ReLU, Sigmoid, Tanh و کاربردها
  • 9. تابع هزینه (Loss Function): انتخاب مناسب برای طبقه‌بندی تصاویر
  • 10. الگوریتم‌های بهینه‌سازی: Gradient Descent و انواع آن
  • 11. Backpropagation: درک نحوه یادگیری شبکه
  • 12. Overfitting و Underfitting: تشخیص و رفع
  • 13. Regularization: L1 و L2 برای جلوگیری از Overfitting
  • 14. Dropout: تکنیکی برای بهبود تعمیم‌پذیری مدل
  • 15. Data Augmentation: افزایش حجم داده‌های آموزشی
  • 16. پیش‌پردازش تصاویر: نرمال‌سازی، تغییر اندازه و ...
  • 17. معرفی کتابخانه‌های پایتون برای یادگیری عمیق: TensorFlow و Keras
  • 18. ایجاد یک مدل CNN ساده در Keras
  • 19. بارگیری و آماده‌سازی مجموعه داده‌های تصاویر (MNIST, CIFAR-10)
  • 20. آموزش مدل CNN: تنظیم پارامترها و نظارت بر فرآیند
  • 21. ارزیابی مدل: دقت، صحت، Recall و F1-score
  • 22. ماتریس درهم‌ریختگی (Confusion Matrix): تحلیل نتایج
  • 23. تنظیم هایپرپارامترها: نرخ یادگیری، batch size و ...
  • 24. استفاده از Callbackها در Keras: Early Stopping و Model Checkpoint
  • 25. انتقال یادگیری (Transfer Learning): استفاده از مدل‌های پیش‌آموزش‌دیده
  • 26. معرفی مدل‌های پیش‌آموزش‌دیده: VGG16, ResNet50, InceptionV3
  • 27. Fine-tuning مدل‌های پیش‌آموزش‌دیده برای مجموعه داده‌های خاص
  • 28. ساخت یک مدل CNN برای طبقه‌بندی تصاویر سفارشی
  • 29. استفاده از Generative Adversarial Networks (GANs) برای تولید داده‌های آموزشی
  • 30. تفسیرپذیری مدل‌های CNN: Visualizing Activations
  • 31. تکنیک‌های پیشرفته‌تر CNN: Depthwise Separable Convolutions
  • 32. شبکه‌های Inception: معماری و کاربردها
  • 33. شبکه‌های Residual (ResNet): حل مشکل vanishing gradient
  • 34. شبکه‌های DenseNet: اتصال متراکم لایه‌ها
  • 35. Attention Mechanisms در CNNها
  • 36. Object Detection با CNNها: معرفی YOLO و SSD
  • 37. Semantic Segmentation با CNNها: تقسیم‌بندی تصاویر
  • 38. Instance Segmentation با CNNها: تشخیص و جداسازی اشیاء
  • 39. کاربرد CNNها در حوزه‌های مختلف: پزشکی، کشاورزی، خودران و ...
  • 40. استقرار مدل CNN آموزش‌دیده: وب، موبایل و ...
  • 41. بهینه‌سازی مدل CNN برای استقرار: Quantization و Pruning

📚 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.