کتاب ساخت پروژه‌های بینایی ماشین هوشمند با رزبری پای: از یادگیری ماشین تا یادگیری عمیق
, ,

کتاب ساخت پروژه‌های بینایی ماشین هوشمند با رزبری پای: از یادگیری ماشین تا یادگیری عمیق

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000010467 دسته: , , برچسب: , , , , , , , , , , , , , ,

📚 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

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب ساخت پروژه‌های بینایی ماشین هوشمند با رزبری پای: از یادگیری ماشین تا یادگیری عمیق

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: پروژه‌های کاربردی بینایی ماشین هوشمند

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. بخش اول: مقدمات و راه‌اندازی (Foundations and Setup)
  • 2. مقدمه‌ای بر هوش مصنوعی، یادگیری ماشین و یادگیری عمیق
  • 3. بینایی ماشین چیست و چه کاربردهایی دارد؟
  • 4. معرفی رزبری پای: تاریخچه، مدل‌ها و قابلیت‌ها
  • 5. چرا رزبری پای برای پروژه‌های بینایی ماشین مناسب است؟
  • 6. انتخاب قطعات مورد نیاز: رزبری پای، دوربین، منبع تغذیه و کارت حافظه
  • 7. نصب سیستم‌عامل Raspberry Pi OS (Raspbian)
  • 8. پیکربندی اولیه رزبری پای: شبکه، زبان و تنظیمات منطقه‌ای
  • 9. آشنایی با خط فرمان لینوکس (Command Line Interface)
  • 10. دستورات ضروری لینوکس برای مدیریت فایل‌ها و سیستم
  • 11. اتصال به رزبری پای از راه دور با استفاده از SSH و VNC
  • 12. راه‌اندازی و تست ماژول دوربین رزبری پای
  • 13. مدیریت پکیج‌ها در لینوکس با APT
  • 14. مقدمه‌ای بر گیت (Git) برای کنترل نسخه پروژه‌ها
  • 15. بخش دوم: پایتون و کتابخانه‌های ضروری (Python and Essential Libraries)
  • 16. مروری بر مبانی برنامه‌نویسی پایتون
  • 17. نصب پایتون و مدیریت محیط‌های مجازی با venv
  • 18. مقدمه‌ای بر کتابخانه NumPy و کار با آرایه‌های چندبعدی
  • 19. عملیات ریاضی و برداری با NumPy
  • 20. آشنایی با کتابخانه Matplotlib برای مصورسازی داده‌ها و تصاویر
  • 21. نصب کتابخانه OpenCV برای بینایی ماشین
  • 22. خواندن، نمایش و ذخیره‌سازی تصاویر با OpenCV
  • 23. کار با ویدئوها: خواندن از فایل و دریافت تصویر زنده از دوربین
  • 24. اصول اولیه کار با تصاویر: دسترسی به پیکسل‌ها و ویژگی‌های تصویر
  • 25. فضاهای رنگی مختلف (BGR, RGB, HSV, Grayscale) و تبدیل بین آن‌ها
  • 26. ترسیم اشکال هندسی و نوشتن متن روی تصاویر با OpenCV
  • 27. بخش سوم: پردازش تصویر و مبانی بینایی ماشین (Image Processing and CV Fundamentals)
  • 28. عملیات حسابی و منطقی روی تصاویر
  • 29. تبدیلات هندسی: تغییر اندازه، چرخش و جابجایی
  • 30. برش (Cropping) و افاین (Affine Transformation)
  • 31. تصحیح پرسپکتیو (Perspective Correction)
  • 32. فیلترها و هموارسازی تصاویر (Image Filtering and Smoothing)
  • 33. عملیات مورفولوژیک: فرسایش، اتساع، باز کردن و بستن
  • 34. آستانه‌گذاری (Thresholding): ساده، تطبیقی و Otsu
  • 35. تشخیص لبه با الگوریتم‌های Sobel, Scharr و Canny
  • 36. گرادیان تصویر و کاربردهای آن
  • 37. کانتورها (Contours): یافتن، ترسیم و تحلیل آن‌ها
  • 38. هیستوگرام تصویر و کاربرد آن در یکسان‌سازی هیستوگرام
  • 39. تطبیق الگو (Template Matching)
  • 40. تبدیل هاف (Hough Transform) برای تشخیص خط و دایره
  • 41. بخش‌بندی تصویر (Image Segmentation) با الگوریتم Watershed
  • 42. بخش چهارم: یادگیری ماشین کلاسیک برای کاربردهای بینایی (Classic Machine Learning for Vision Applications)
  • 43. مقدمه‌ای بر مفاهیم یادگیری ماشین: نظارت‌شده و نظارت‌نشده
  • 44. آشنایی با کتابخانه Scikit-Learn
  • 45. استخراج ویژگی از تصاویر: هیستوگرام رنگ و ویژگی‌های بافت
  • 46. استخراج ویژگی با هیستوگرام گرادیان‌های جهت‌دار (HOG)
  • 47. طبقه‌بندی تصاویر با الگوریتم K-نزدیک‌ترین همسایه (K-Nearest Neighbors)
  • 48. مقدمه‌ای بر ماشین‌های بردار پشتیبان (Support Vector Machines – SVM)
  • 49. پروژه: تشخیص ارقام دست‌نویس با SVM و ویژگی‌های HOG
  • 50. خوشه‌بندی (Clustering) با الگوریتم K-Means
  • 51. کاربرد K-Means در کوانتیزاسیون رنگ (Color Quantization)
  • 52. کاهش ابعاد با تحلیل مؤلفه‌های اصلی (PCA)
  • 53. کاربرد PCA در بازشناسی چهره (Eigenfaces)
  • 54. طبقه‌بندی با درخت‌های تصمیم و جنگل‌های تصادفی
  • 55. ارزیابی مدل‌های یادگیری ماشین: دقت، صحت و ماتریس درهم‌ریختگی
  • 56. بخش پنجم: ورود به دنیای یادگیری عمیق (Entering the World of Deep Learning)
  • 57. چرا یادگیری عمیق؟ محدودیت‌های یادگیری ماشین کلاسیک
  • 58. مبانی شبکه‌های عصبی: پرسپترون و توابع فعال‌سازی
  • 59. نصب TensorFlow و Keras بر روی رزبری پای
  • 60. ساخت اولین شبکه عصبی ساده با Keras
  • 61. معرفی شبکه‌های عصبی کانولوشنی (Convolutional Neural Networks – CNNs)
  • 62. تشریح لایه‌های یک CNN: کانولوشن، Pooling و Fully Connected
  • 63. پروژه: ساخت یک CNN برای طبقه‌بندی تصاویر (مجموعه‌داده CIFAR-10)
  • 64. مفهوم بیش‌برازش (Overfitting) و روش‌های مقابله با آن
  • 65. تکنیک‌های تنظیم مدل: نرخ یادگیری، بهینه‌سازها و توابع هزینه
  • 66. افزایش داده (Data Augmentation) برای بهبود عملکرد مدل
  • 67. یادگیری انتقالی (Transfer Learning): قدرت مدل‌های از پیش آموزش‌دیده
  • 68. استفاده از مدل‌های معروف مانند VGG, ResNet و MobileNet
  • 69. تنظیم دقیق (Fine-tuning) یک مدل از پیش آموزش‌دیده برای یک وظیفه خاص
  • 70. مصورسازی ویژگی‌های آموخته‌شده توسط CNN‌ها
  • 71. بخش ششم: پروژه‌های پیشرفته بینایی ماشین با یادگیری عمیق (Advanced CV Projects with Deep Learning)
  • 72. آشکارسازی اشیاء (Object Detection): مفاهیم و رویکردها
  • 73. معرفی معماری‌های آشکارسازی اشیاء: YOLO و SSD
  • 74. پروژه: آشکارسازی اشیاء در زمان واقعی با استفاده از یک مدل YOLO از پیش آموزش‌دیده
  • 75. تشخیص چهره با استفاده از Haar Cascades در OpenCV
  • 76. تشخیص چهره مبتنی بر یادگیری عمیق (MTCNN, BlazeFace)
  • 77. پروژه: ساخت سیستم حضور و غیاب مبتنی بر تشخیص چهره
  • 78. بازشناسی چهره (Face Recognition) با Siamese Networks و FaceNet
  • 79. تشخیص نقاط کلیدی صورت (Facial Landmark Detection)
  • 80. بخش‌بندی معنایی تصویر (Semantic Segmentation)
  • 81. پروژه: تخمین ژست انسان (Human Pose Estimation) با OpenPose
  • 82. خواندن متن از تصویر (OCR) با Tesseract و مدل‌های یادگیری عمیق
  • 83. ردیابی اشیاء (Object Tracking) در ویدئو
  • 84. الگوریتم‌های ردیابی در OpenCV (MeanShift, CamShift, KCF, CSRT)
  • 85. ردیابی اشیاء مبتنی بر یادگیری عمیق (Deep SORT)
  • 86. بخش هفتم: بهینه‌سازی و استقرار مدل روی رزبری پای (Optimization and Deployment on Raspberry Pi)
  • 87. چالش‌های اجرای مدل‌های یادگیری عمیق بر روی دستگاه‌های لبه
  • 88. مقدمه‌ای بر TensorFlow Lite (TFLite)
  • 89. تبدیل یک مدل Keras/TensorFlow به فرمت TFLite
  • 90. اجرای استنتاج (Inference) با مفسر TFLite روی رزبری پای
  • 91. کوانتیزاسیون مدل (Model Quantization) برای کاهش حجم و افزایش سرعت
  • 92. استفاده از شتاب‌دهنده‌های سخت‌افزاری مانند Google Coral USB Accelerator
  • 93. پروفایلینگ و بنچمارک کردن عملکرد مدل روی رزبری پای
  • 94. ساخت یک وب‌سرویس (API) برای مدل بینایی ماشین با Flask
  • 95. پروژه نهایی: ساخت یک دوربین امنیتی هوشمند با قابلیت تشخیص حرکت و اشیاء
  • 96. پروژه نهایی: طراحی یک سیستم مرتب‌سازی اشیاء بر اساس رنگ و شکل
  • 97. جمع‌بندی دوره و مسیرهای یادگیری آینده

📚 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

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کتاب ساخت پروژه‌های بینایی ماشین هوشمند با رزبری پای: از یادگیری ماشین تا یادگیری عمیق”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

محصولات مشابه

پیمایش به بالا