اپلیکیشن اندرویدی فلش‌کارت آموزشی استخراج خودکار اطلاعات از اسناد هویتی با استفاده از Azure Form Recognizer

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره استخراج خودکار اطلاعات از اسناد هویتی با استفاده از Azure Form Recognizer

موضوع کلی: هوش مصنوعی و پردازش داده

موضوع میانی: استخراج اطلاعات از اسناد با استفاده از هوش مصنوعی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر استخراج اطلاعات از اسناد
• 2. مبانی پردازش اسناد
• 3. اهمیت استخراج خودکار اطلاعات
• 4. معرفی Azure Form Recognizer
• 5. قابلیت‌های Azure Form Recognizer
• 6. نصب و راه‌اندازی Azure Form Recognizer
• 7. مفاهیم کلیدی در Form Recognizer
• 8. انواع مدل‌های Form Recognizer
• 9. مدل‌های از پیش ساخته شده
• 10. مدل‌های سفارشی
• 11. آموزش مدل‌های سفارشی
• 12. جمع‌آوری داده برای آموزش
• 13. برچسب‌گذاری داده‌ها
• 14. فرایند آموزش مدل
• 15. ارزیابی عملکرد مدل
• 16. بهبود مدل‌های سفارشی
• 17. استفاده از مدل‌های سفارشی در برنامه‌ها
• 18. استخراج اطلاعات از اسناد هویتی
• 19. شناسایی انواع اسناد هویتی
• 20. استخراج نام و نام خانوادگی
• 21. استخراج تاریخ تولد
• 22. استخراج محل تولد
• 23. استخراج شماره شناسنامه
• 24. استخراج تاریخ صدور شناسنامه
• 25. استخراج نام پدر
• 26. استخراج مذهب
• 27. استخراج جنسیت
• 28. استخراج عکس پرسنلی (مفهوم)
• 29. استخراج امضا (مفهوم)
• 30. کاربرد Form Recognizer در احراز هویت
• 31. امنیت داده‌ها در Form Recognizer
• 32. حریم خصوصی در پردازش اسناد
• 33. مطابقت با قوانین حفاظت از داده
• 34. ملاحظات اخلاقی در استخراج اطلاعات
• 35. پردازش اسناد با حجم بالا
• 36. بهینه‌سازی عملکرد Form Recognizer
• 37. مقایسه Form Recognizer با روش‌های سنتی
• 38. محدودیت‌های Form Recognizer
• 39. چالش‌های استخراج اطلاعات از اسناد فارسی
• 40. راهکارهای غلبه بر چالش‌های زبان فارسی
• 41. پردازش اسناد اسکن شده
• 42. بهبود کیفیت تصاویر اسناد
• 43. پیش‌پردازش تصاویر اسناد
• 44. نرمال‌سازی تصاویر
• 45. حذف نویز از تصاویر
• 46. اصلاح زاویه تصاویر
• 47. تصحیح روشنایی و کنتراست
• 48. استفاده از OCR در Form Recognizer
• 49. دقت OCR در زبان فارسی
• 50. مدیریت خطا در OCR
• 51. فشرده‌سازی داده‌های استخراج شده
• 52. ذخیره‌سازی اطلاعات استخراج شده
• 53. فرمت‌های خروجی Form Recognizer
• 54. JSON و استخراج اطلاعات
• 55. XML و استخراج اطلاعات
• 56. ادغام Form Recognizer با پایگاه‌های داده
• 57. اتصال به Azure SQL Database
• 58. اتصال به Azure Cosmos DB
• 59. اتصال به سرویس‌های ذخیره‌سازی Azure
• 60. ساخت یک برنامه کاربردی با Form Recognizer
• 61. معماری برنامه کاربردی
• 62. طراحی رابط کاربری
• 63. پیاده‌سازی منطق استخراج
• 64. تست و اعتبارسنجی برنامه
• 65. استقرار برنامه
• 66. مانیتورینگ و نگهداری برنامه
• 67. نمونه‌های موفق استفاده از Form Recognizer
• 68. استخراج اطلاعات از فیش حقوقی
• 69. استخراج اطلاعات از قبوض خدماتی
• 70. استخراج اطلاعات از گواهینامه‌ها
• 71. استخراج اطلاعات از مدارک تحصیلی
• 72. استخراج اطلاعات از قراردادها
• 73. استخراج اطلاعات از فرم‌های اداری
• 74. استخراج اطلاعات از کارت‌های ملی
• 75. استخراج اطلاعات از گذرنامه‌ها
• 76. استخراج اطلاعات از اسناد بانکی
• 77. استخراج اطلاعات از مدارک پزشکی (کلی)
• 78. استخراج اطلاعات از اسناد بیمه
• 79. استخراج اطلاعات از اظهارنامه‌های مالیاتی
• 80. استخراج اطلاعات از اسناد گمرکی
• 81. استخراج اطلاعات از سوابق کاری
• 82. استخراج اطلاعات از رزومه‌ها
• 83. استخراج اطلاعات از اسناد قضایی
• 84. استخراج اطلاعات از فرم‌های ثبت نام
• 85. استخراج اطلاعات از اسناد املاک
• 86. استخراج اطلاعات از اسناد حمل و نقل
• 87. استخراج اطلاعات از اسناد ثبت احوال
• 88. مفاهیم پیشرفته در پردازش اسناد
• 89. یادگیری تقویتی در استخراج اطلاعات
• 90. شبکه‌های عصبی کانولوشنی (CNN)
• 91. شبکه‌های عصبی بازگشتی (RNN)
• 92. پردازش زبان طبیعی (NLP)
• 93. مدل‌های زبانی بزرگ (LLM)
• 94. کاربرد LLM در استخراج اطلاعات
• 95. تکنیک‌های پیشرفته برچسب‌گذاری
• 96. تولید داده مصنوعی
• 97. اعتبار سنجی متقابل مدل‌ها
• 98. مدیریت نسخه مدل‌ها
• 99. استقرار مدل‌ها در محیط‌های مختلف
• 100. استقرار در Azure Kubernetes Service (AKS)