اپلیکیشن اندرویدی فلش‌کارت آموزشی مبانی بینایی ماشین در Microsoft Azure

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی بینایی ماشین در Microsoft Azure

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: پردازش تصویر و بینایی ماشین

📋 سرفصل‌های دوره

• 1. مبانی بینایی ماشین در مایکروسافت آژور
• 2. مقدمه‌ای بر هوش مصنوعی و بینایی ماشین
• 3. چشم‌انداز بینایی ماشین در دنیای امروز
• 4. مفاهیم پایه پردازش تصویر
• 5. پیکسل‌ها، رنگ‌ها و فضاهای رنگی
• 6. فیلترهای تصویر و عملیات پیکسلی
• 7. آشکارسازی لبه‌ها و تشخیص ویژگی‌ها
• 8. استخراج ویژگی‌های هندسی و آماری
• 9. مقدمه‌ای بر یادگیری ماشین در بینایی ماشین
• 10. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
• 11. داده‌ها در بینایی ماشین: جمع‌آوری، پیش‌پردازش و برچسب‌گذاری
• 12. مدل‌های طبقه‌بندی تصویر
• 13. شبکه‌های عصبی کانولوشنال (CNN)
• 14. معماری‌های پایه CNN
• 15. آموزش مدل‌های طبقه‌بندی تصویر
• 16. ارزیابی مدل‌های طبقه‌بندی تصویر
• 17. مقدمه‌ای بر تشخیص اشیاء
• 18. الگوریتم‌های تشخیص اشیاء مبتنی بر جعبه مرزی
• 19. مدل‌های تشخیص اشیاء دو مرحله‌ای
• 20. مدل‌های تشخیص اشیاء تک مرحله‌ای
• 21. آموزش مدل‌های تشخیص اشیاء
• 22. ارزیابی مدل‌های تشخیص اشیاء
• 23. مقدمه‌ای بر تقسیم‌بندی تصویر
• 24. تقسیم‌بندی معنایی (Semantic Segmentation)
• 25. تقسیم‌بندی نمونه‌ای (Instance Segmentation)
• 26. شبکه‌های U-Net و Mask R-CNN
• 27. آموزش مدل‌های تقسیم‌بندی تصویر
• 28. ارزیابی مدل‌های تقسیم‌بندی تصویر
• 29. مقدمه‌ای بر تشخیص چهره
• 30. آشکارسازی چهره
• 31. تشخیص هویت چهره
• 32. تحلیل احساسات چهره
• 33. کاربرد تشخیص چهره در سیستم‌های امنیتی
• 34. مقدمه‌ای بر بازشناسی الگو
• 35. الگوریتم‌های K-نزدیک‌ترین همسایه (KNN)
• 36. ماشین‌های بردار پشتیبان (SVM)
• 37. درخت‌های تصمیم و جنگل‌های تصادفی
• 38. مقدمه‌ای بر پردازش زبان طبیعی (NLP) برای بینایی ماشین
• 39. تلفیق بینایی ماشین و NLP
• 40. تولید زیرنویس برای تصاویر
• 41. پرسش و پاسخ تصویری
• 42. مقدمه‌ای بر تشخیص فعالیت
• 43. تشخیص فعالیت‌های انسانی در ویدئو
• 44. کاربرد تشخیص فعالیت در نظارت هوشمند
• 45. مقدمه‌ای بر تشخیص متن در تصاویر (OCR)
• 46. فناوری‌های OCR
• 47. کاربرد OCR در اتوماسیون اداری
• 48. مقدمه‌ای بر تولید تصویر
• 49. شبکه‌های مولد تخاصمی (GANs)
• 50. کاربرد GANs در تولید تصاویر واقع‌گرایانه
• 51. مقدمه‌ای بر بینایی ماشین سه‌بعدی
• 52. بازسازی سه‌بعدی از تصاویر دو بعدی
• 53. تشخیص عمق و استریو ویژن
• 54. کاربرد بینایی ماشین سه‌بعدی در رباتیک
• 55. مقدمه‌ای بر تفسیر ویدئو
• 56. تحلیل حرکات در ویدئو
• 57. تشخیص رویدادها در ویدئو
• 58. مقدمه‌ای بر پردازش تصاویر پزشکی
• 59. تشخیص بیماری‌ها از روی تصاویر پزشکی
• 60. کاربرد بینایی ماشین در تصویربرداری پزشکی
• 61. مقدمه‌ای بر بینایی ماشین در صنعت
• 62. کنترل کیفیت خودکار محصولات
• 63. رباتیک صنعتی و بینایی ماشین
• 64. مقدمه‌ای بر بینایی ماشین در کشاورزی
• 65. نظارت بر محصولات کشاورزی
• 66. تشخیص آفات و بیماری‌های گیاهی
• 67. مقدمه‌ای بر بینایی ماشین در خودروهای خودران
• 68. درک محیطی خودرو
• 69. تشخیص موانع و علائم راهنمایی و رانندگی
• 70. مقدمه‌ای بر اخلاق در بینایی ماشین
• 71. مسائل حریم خصوصی و امنیتی
• 72. سوگیری در مدل‌های بینایی ماشین
• 73. مسئولیت‌پذیری در سیستم‌های هوشمند
• 74. مقدمه‌ای بر ابزارهای توسعه بینایی ماشین در آژور
• 75. Azure Computer Vision Service
• 76. Azure Custom Vision Service
• 77. Azure Form Recognizer
• 78. Azure Video Analyzer
• 79. کاربرد Azure Cognitive Services در بینایی ماشین
• 80. آموزش مدل‌های سفارشی در Azure Custom Vision
• 81. استقرار و مقیاس‌بندی مدل‌های بینایی ماشین در آژور
• 82. نظارت و بهینه‌سازی عملکرد مدل‌ها
• 83. ملاحظات امنیتی در استفاده از خدمات بینایی ماشین آژور
• 84. مقدمه‌ای بر امنیت سایبری در بینایی ماشین
• 85. حملات به مدل‌های بینایی ماشین
• 86. روش‌های دفاع در برابر حملات
• 87. مقدمه‌ای بر آینده بینایی ماشین
• 88. پیشرفت‌های اخیر و روندهای نوظهور
• 89. چالش‌های پیش رو و فرصت‌های آینده
• 90. تأثیر بینایی ماشین بر صنایع مختلف
• 91. کاربرد بینایی ماشین در تحقیقات علمی
• 92. نقش بینایی ماشین در بهبود زندگی روزمره
• 93. مباحث پیشرفته در شبکه‌های عصبی کانولوشنال
• 94. شبکه‌های کانولوشنال عمیق‌تر
• 95. تکنیک‌های تنظیم (Regularization) در CNN
• 96. مقدمه‌ای بر یادگیری انتقالی (Transfer Learning)
• 97. استفاده از مدل‌های از پیش آموزش دیده
• 98. تنظیم دقیق (Fine-tuning) مدل‌ها
• 99. کاربرد یادگیری انتقالی در بینایی ماشین
• 100. مقدمه‌ای بر شبکه‌های عصبی بازگشتی (RNN)