دوره بهینه‌سازی و استقرار مدل‌های بینایی ماشین در سیستم‌های نرم‌افزاری همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه‌سازی و استقرار مدل‌های بینایی ماشین در سیستم‌های نرم‌افزاری

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: بینایی ماشین و پردازش تصویر

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر بینایی ماشین و یادگیری ماشین
• 2. مبانی یادگیری ماشین برای بینایی ماشین
• 3. انواع یادگیری ماشین در بینایی ماشین
• 4. شبکه‌های عصبی کانولوشنی (CNN)
• 5. معماری‌های پیشرفته CNN
• 6. آموزش و اعتبارسنجی مدل‌های CNN
• 7. تنظیم فراپارامترها در CNN
• 8. کاهش ابعاد و انتخاب ویژگی
• 9. تکنیک‌های افزایش داده (Data Augmentation)
• 10. مدل‌های یادگیری انتقالی (Transfer Learning)
• 11. استفاده از مدل‌های از پیش آموزش‌دیده
• 12. تنظیم دقیق (Fine-tuning) مدل‌های CNN
• 13. مبانی پردازش تصویر دیجیتال
• 14. عملیات پایه در پردازش تصویر
• 15. فیلترهای فضایی و لبه‌یابی
• 16. تبدیلات فوریه در پردازش تصویر
• 17. کاهش نویز در تصاویر
• 18. تکنیک‌های آستانه‌گذاری (Thresholding)
• 19. بخش‌بندی تصاویر (Image Segmentation)
• 20. رگرسیون و طبقه‌بندی تصاویر
• 21. تشخیص اشیاء (Object Detection)
• 22. مبانی YOLO و SSD
• 23. معماری‌های تشخیص اشیاء مدرن
• 24. رهگیری اشیاء (Object Tracking)
• 25. مبانی رهگیری در بینایی ماشین
• 26. الگوریتم‌های رهگیری مبتنی بر فیلتر
• 27. رهگیری مبتنی بر یادگیری عمیق
• 28. استخراج ویژگی‌های تصویر
• 29. توصیف‌گرهای ویژگی (Feature Descriptors)
• 30. SIFT و SURF در بینایی ماشین
• 31. ORB و ویژگی‌های سریع
• 32. تطبیق ویژگی‌ها (Feature Matching)
• 33. کالیبراسیون دوربین
• 34. استریو ویژن و بازسازی سه‌بعدی
• 35. مثلث‌یابی (Triangulation)
• 36. نقاط کلیدی و هندسه پروژکتیو
• 37. مبانی هندسه سه‌بعدی در بینایی ماشین
• 38. مدل‌سازی سه‌بعدی از تصاویر
• 39. تکنیک‌های رندرینگ سه‌بعدی
• 40. واقعیت افزوده (Augmented Reality)
• 41. مبانی واقعیت افزوده
• 42. هم‌ترازی (Alignment) در واقعیت افزوده
• 43. نمایش اشیاء مجازی در دنیای واقعی
• 44. واقعیت مجازی (Virtual Reality)
• 45. مبانی واقعیت مجازی
• 46. تعامل در محیط‌های واقعیت مجازی
• 47. کاربرد بینایی ماشین در رباتیک
• 48. ناوبری ربات‌ها با استفاده از بینایی
• 49. شناسایی و دستکاری اشیاء توسط ربات
• 50. سیستم‌های تشخیص چهره
• 51. آموزش و استقرار مدل‌های تشخیص چهره
• 52. کاربرد تشخیص چهره در احراز هویت
• 53. سیستم‌های تشخیص متن (OCR)
• 54. پردازش زبان طبیعی (NLP) و بینایی ماشین
• 55. تلفیق NLP و بینایی ماشین
• 56. کاربرد بینایی ماشین در پزشکی
• 57. تشخیص بیماری‌ها با استفاده از تصاویر پزشکی
• 58. تحلیل تصاویر MRI و CT اسکن
• 59. کاربرد بینایی ماشین در صنعت
• 60. کنترل کیفیت در خطوط تولید
• 61. بازرسی خودکار قطعات
• 62. کاربرد بینایی ماشین در کشاورزی
• 63. پایش سلامت گیاهان
• 64. تشخیص آفات و بیماری‌ها
• 65. کاربرد بینایی ماشین در امنیت
• 66. نظارت تصویری هوشمند
• 67. تشخیص رفتارهای مشکوک
• 68. بهینه‌سازی مدل‌های بینایی ماشین
• 69. فشرده‌سازی مدل‌ها
• 70. تقطیر دانش (Knowledge Distillation)
• 71. حذف کردن پارامترهای اضافی (Pruning)
• 72. کوانتیزاسیون مدل‌ها
• 73. استقرار مدل‌ها بر روی دستگاه‌های لبه (Edge Devices)
• 74. موبایل و بینایی ماشین
• 75. پردازنده‌های تخصصی برای بینایی ماشین (GPU, TPU)
• 76. محدودیت‌های سخت‌افزاری و نرم‌افزاری
• 77. ارزیابی عملکرد مدل‌های بینایی ماشین
• 78. معیارهای ارزیابی در تشخیص اشیاء
• 79. معیارهای ارزیابی در بخش‌بندی تصاویر
• 80. کتابخانه‌ها و فریم‌ورک‌های بینایی ماشین
• 81. TensorFlow و Keras
• 82. PyTorch
• 83. OpenCV
• 84. کاربرد بینایی ماشین در تحلیل ویدئو
• 85. تشخیص رویداد در ویدئوها
• 86. خلاصه‌سازی ویدئو
• 87. مبانی یادگیری عمیق برای پردازش ویدئو
• 88. شبکه‌های LSTM و RNN برای ویدئو
• 89. کاربرد بینایی ماشین در بازی‌های ویدئویی
• 90. کنترل بازی با حرکت بدن
• 91. تولید محتوای بازی
• 92. اخلاق در بینایی ماشین
• 93. حریم خصوصی و داده‌ها
• 94. سوگیری در مدل‌های بینایی ماشین
• 95. تفسیرپذیری مدل‌های بینایی ماشین
• 96. مسائل حقوقی و نظارتی
• 97. آینده بینایی ماشین و یادگیری عمیق