دوره کشف و تحلیل تصاویر با یادگیری ماشین همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کشف و تحلیل تصاویر با یادگیری ماشین

موضوع کلی: علوم داده و یادگیری ماشین

موضوع میانی: بینایی ماشین (Computer Vision)**

📋 سرفصل‌های دوره

• 1. فصل ۱: مقدمه ای بر بینایی ماشین
• 2. فصل ۲: مبانی یادگیری ماشین
• 3. فصل ۳: مقدمه ای بر یادگیری عمیق
• 4. فصل ۴: شبکه‌های عصبی کانولوشنی
• 5. فصل ۵: معماری‌های معروف CNN
• 6. فصل ۶: پیش‌پردازش تصاویر
• 7. فصل ۷: استخراج ویژگی از تصاویر
• 8. فصل ۸: دسته‌بندی تصاویر
• 9. فصل ۹: تشخیص اشیاء
• 10. فصل ۱۰: تقسیم‌بندی تصاویر
• 11. فصل ۱۱: تشخیص چهره
• 12. فصل ۱۲: بازشناسی چهره
• 13. فصل ۱۳: تخمین ژست
• 14. فصل ۱۴: ردیابی اشیاء
• 15. فصل ۱۵: تولید تصاویر
• 16. فصل ۱۶: شبکه‌های مولد تخاصمی (GANs)
• 17. فصل ۱۷: شبکه‌های خودرمزگذار (Autoencoders)
• 18. فصل ۱۸: یادگیری انتقالی
• 19. فصل ۱۹: تنظیم دقیق مدل‌ها
• 20. فصل ۲۰: مجموعه داده‌های تصویری
• 21. فصل ۲۱: معیارهای ارزیابی
• 22. فصل ۲۲: کار با کتابخانه‌های پایتون
• 23. فصل ۲۳: TensorFlow و Keras
• 24. فصل ۲۴: PyTorch
• 25. فصل ۲۵: OpenCV
• 26. فصل ۲۶: Scikit-image
• 27. فصل ۲۷: مقدمه ای بر پردازش سیگنال
• 28. فصل ۲۸: تبدیل فوریه
• 29. فصل ۲۹: تبدیل موجک
• 30. فصل ۳۰: فیلترهای تصویری
• 31. فصل ۳۱: کاهش نویز
• 32. فصل ۳۲: افزایش وضوح
• 33. فصل ۳۳: تصحیح رنگ
• 34. فصل ۳۴: فشرده‌سازی تصویر
• 35. فصل ۳۵: رمزنگاری تصویر
• 36. فصل ۳۶: تشخیص لبه
• 37. فصل ۳۷: تشخیص گوشه
• 38. فصل ۳۸: تشخیص خطوط
• 39. فصل ۳۹: استخراج ویژگی‌های محلی
• 40. فصل ۴۰: SIFT و SURF
• 41. فصل ۴۱: HOG
• 42. فصل ۴۲: LBP
• 43. فصل ۴۳: دسته‌بندی‌کننده‌ها
• 44. فصل ۴۴: ماشین‌های بردار پشتیبان (SVM)
• 45. فصل ۴۵: درخت‌های تصمیم
• 46. فصل ۴۶: جنگل‌های تصادفی
• 47. فصل ۴۷: شبکه‌های عصبی پرسپترون چندلایه
• 48. فصل ۴۸: الگوریتم‌های خوشه‌بندی
• 49. فصل ۴۹: K-Means
• 50. فصل ۵۰: DBSCAN
• 51. فصل ۵۱: خوشه‌بندی سلسله مراتبی
• 52. فصل ۵۲: کاهش ابعاد
• 53. فصل ۵۳: تحلیل مؤلفه‌های اصلی (PCA)
• 54. فصل ۵۴: t-SNE
• 55. فصل ۵۵: UMAP
• 56. فصل ۵۶: تشخیص ناهنجاری
• 57. فصل ۵۷: داده‌های نامتعادل
• 58. فصل ۵۸: معیارهای ارزیابی برای عدم تعادل
• 59. فصل ۵۹: تکنیک‌های نمونه‌برداری
• 60. فصل ۶۰: SMOTE
• 61. فصل ۶۱: دسته‌بندی تصاویر پزشکی
• 62. فصل ۶۲: رادیولوژی
• 63. فصل ۶۳: پاتولوژی
• 64. فصل ۶۴: تشخیص بیماری از تصاویر
• 65. فصل ۶۵: تصاویر ماهواره‌ای
• 66. فصل ۶۶: تحلیل تصاویر ماهواره‌ای
• 67. فصل ۶۷: سنجش از دور
• 68. فصل ۶۸: تشخیص اشیاء در تصاویر ماهواره‌ای
• 69. فصل ۶۹: خودروهای خودران
• 70. فصل ۷۰: درک محیطی
• 71. فصل ۷۱: تشخیص موانع
• 72. فصل ۷۲: ردیابی خودروها
• 73. فصل ۷۳: رباتیک
• 74. فصل ۷۴: ناوبری ربات
• 75. فصل ۷۵: درک صحنه برای ربات‌ها
• 76. فصل ۷۶: تعامل انسان و ربات
• 77. فصل ۷۷: واقعیت افزوده (AR)
• 78. فصل ۷۸: ردیابی و تطبیق
• 79. فصل ۷۹: درک سه‌بعدی
• 80. فصل ۸۰: واقعیت مجازی (VR)
• 81. فصل ۸۱: صحنه‌های سه‌بعدی
• 82. فصل ۸۲: کامپیوتر ویژن در بازی‌ها
• 83. فصل ۸۳: تجزیه و تحلیل ویدئو
• 84. فصل ۸۴: تشخیص رویداد در ویدئو
• 85. فصل ۸۵: خلاصه‌سازی ویدئو
• 86. فصل ۸۶: تولید محتوای تصویری
• 87. فصل ۸۷: تولید متن به تصویر
• 88. فصل ۸۸: ویرایش تصویر با هوش مصنوعی
• 89. فصل ۸۹: تفسیر تصویر
• 90. فصل ۹۰: تولید زیرنویس برای تصاویر
• 91. فصل ۹۱: پاسخ به پرسش تصویری
• 92. فصل ۹۲: اخلاق در بینایی ماشین
• 93. فصل ۹۳: سوگیری در داده‌ها
• 94. فصل ۹۴: حریم خصوصی
• 95. فصل ۹۵: شفافیت و قابلیت توضیح
• 96. فصل ۹۶: کاربردهای پیشرفته CNN
• 97. فصل ۹۷: شبکه‌های عصبی بازگشتی (RNN) در بینایی ماشین
• 98. فصل ۹۸: معماری‌های ترکیبی
• 99. فصل ۹۹: آخرین روندها در بینایی ماشین
• 100. فصل ۱۰۰: آینده بینایی ماشین