دوره یادگیری عمیق تصاویر با PyTorch: از مبانی تا کاربردها همراه با فلشکارت آموزشی — ارائه روی فلش مموری
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره یادگیری عمیق تصاویر با PyTorch: از مبانی تا کاربردها
موضوع کلی: علوم کامپیوتر و هوش مصنوعی
موضوع میانی: یادگیری عمیق و پردازش تصویر
📋 سرفصلهای دوره
- 1. مقدمهای بر یادگیری عمیق و پردازش تصویر
- 2. نصب و راهاندازی PyTorch
- 3. مبانی تنسورها در PyTorch
- 4. عملیات پایهای تنسورها
- 5. شبکههای عصبی مصنوعی: اصول اولیه
- 6. تابع فعالسازی: معرفی و انواع
- 7. پسانتشار خطا: محاسبه گرادیان
- 8. بهینهسازها: معرفی و کاربرد
- 9. آموزش مدلهای ساده با PyTorch
- 10. مقدمهای بر شبکههای عصبی کانولوشنی (CNN)
- 11. لایه کانولوشن: عملکرد و پارامترها
- 12. لایه Pooling: کاهش ابعاد و استخراج ویژگی
- 13. لایههای Fully Connected
- 14. ساختار CNN برای طبقهبندی تصاویر
- 15. مجموعه دادههای تصویری: معرفی و کار با آنها
- 16. پیشپردازش تصاویر برای CNN
- 17. تقویت داده (Data Augmentation)
- 18. طراحی معماریهای CNN
- 19. شبکههای پیشآموزشدیده (Pre-trained Networks)
- 20. انتقال یادگیری (Transfer Learning)
- 21. تنظیم دقیق (Fine-tuning) مدلهای پیشآموزشدیده
- 22. مدلهای CNN برای تشخیص اشیاء
- 23. شبکههای تشخیص اشیاء: YOLO و SSD
- 24. شناسایی (Detection) و بخشبندی (Segmentation)
- 25. مقدمهای بر شبکههای عصبی بازگشتی (RNN)
- 26. کاربرد RNN در دنبالههای تصاویر
- 27. شبکههای LSTM و GRU
- 28. شبکههای مولد تخاصمی (GANs)
- 29. معماری GAN برای تولید تصاویر
- 30. آموزش GANها و چالشها
- 31. کاربرد GANها در افزایش و ویرایش تصاویر
- 32. شبکههای عصبی کانولوشنی سه بعدی (3D CNNs)
- 33. کاربرد 3D CNN در پردازش ویدئو
- 34. شبکههای کانولوشنی کانفورمی (Confirmatory Convolutional Networks)
- 35. شبکههای عصبی گرافی (GNNs) در پردازش تصویر
- 36. کاربرد GNN در تحلیل تصاویر ماهوارهای
- 37. یادگیری تقویتی (Reinforcement Learning) در بینایی ماشین
- 38. کاربرد یادگیری تقویتی در رباتیک بصری
- 39. مفسرپذیری (Interpretability) در مدلهای یادگیری عمیق
- 40. روشهای توضیحپذیری مدلهای CNN
- 41. شناسایی ناهنجاری در تصاویر
- 42. طبقهبندی تصاویر پزشکی
- 43. تشخیص بیماریها با CNN
- 44. پردازش تصاویر پزشکی با GANs
- 45. تحلیل و تفسیر تصاویر پزشکی
- 46. مقدمهای بر پردازش زبان طبیعی (NLP)
- 47. پردازش متن با PyTorch
- 48. شبکههای ترنسفورمر (Transformers)
- 49. کاربرد ترنسفورمر در پردازش تصویر
- 50. مدلهای زبانی بزرگ (LLMs)
- 51. کاربرد LLMs در تولید متن توصیفی تصاویر
- 52. بینایی ماشین در رباتیک
- 53. کنترل ربات با استفاده از یادگیری عمیق
- 54. ناوبری ربات با بینایی ماشین
- 55. سیستمهای تشخیص چهره
- 56. آموزش مدلهای تشخیص چهره
- 57. چالشهای تشخیص چهره
- 58. سیستمهای تشخیص پلاک خودرو
- 59. پردازش تصاویر پلاک خودرو
- 60. استخراج اطلاعات از تصاویر
- 61. واقعیت افزوده (Augmented Reality)
- 62. توسعه برنامههای AR با PyTorch
- 63. واقعیت مجازی (Virtual Reality)
- 64. پردازش سیگنالهای تصویری
- 65. فیلترهای تصویر در PyTorch
- 66. بهبود کیفیت تصاویر
- 67. کاهش نویز در تصاویر
- 68. فشردهسازی تصاویر با یادگیری عمیق
- 69. مقدمهای بر یادگیری بدون نظارت (Unsupervised Learning)
- 70. خوشهبندی تصاویر
- 71. کاهش ابعاد در یادگیری بدون نظارت
- 72. خودرمزگذارها (Autoencoders)
- 73. انواع خودرمزگذارها
- 74. کاربرد خودرمزگذارها در کاهش ابعاد
- 75. خودرمزگذارهای متغیر (Variational Autoencoders - VAEs)
- 76. کاربرد VAEs در تولید تصاویر
- 77. یادگیری عمیق در بازیها
- 78. توسعه عاملهای هوشمند برای بازیها
- 79. کاربرد یادگیری عمیق در پزشکی قانونی
- 80. تحلیل تصاویر صحنه جرم
- 81. شناسایی تقلب در تصاویر
- 82. سیستمهای توصیهگر تصاویر
- 83. تولید تصاویر هنری
- 84. سبکدهی تصاویر (Style Transfer)
- 85. شبکههای عصبی کانولوشنی معکوس (Deconvolutional Networks)
- 86. کاربرد DeconvNets در بازسازی تصاویر
- 87. پردازش تصاویر سهبعدی
- 88. تحلیل دادههای حجمی
- 89. مدلسازی سهبعدی از تصاویر
- 90. مقدمهای بر یادگیری فعال (Active Learning)
- 91. کاربرد یادگیری فعال در برچسبگذاری داده
- 92. بهینهسازی معماری شبکههای عصبی
- 93. جستجوی معماری عصبی (NAS)
- 94. پیادهسازی مدلهای CNN در سختافزار
- 95. بهینهسازی مدلها برای دستگاههای موبایل
- 96. مقدمهای بر یادگیری چندوجهی (Multimodal Learning)
- 97. ترکیب تصاویر و متن
- 98. تحلیل احساسات از روی تصاویر
- 99. کاربرد یادگیری عمیق در کشاورزی هوشمند
- 100. تشخیص آفات و بیماریهای گیاهی
محتویات بسته آموزشی
🌐 سامانه آنلاین فلشکارت؛ مرور هدفمند و هوشمند
اکانت ارائهشده، دسترسی به نسخه تحت وب سامانه فلشکارت ویژه این دوره را فراهم میکند. این سامانه از الگوریتم زمانبندی مرور SM-2 استفاده میکند و بر اساس ارزیابی شما از میزان یادآوری هر کارت، زمان مرورهای بعدی را تنظیم میکند.
به این ترتیب، کارتهای دشوارتر میتوانند زودتر مرور شوند و برای تثبیت مطالب در حافظه، برنامه مرور متناسبتری داشته باشید.
مدتزمان معادل آموزشی بر اساس برآورد این دوره در گواهی درج میشود.
گواهی دوزبانه با استعلام آنلاین
پس از تکمیل فعالیتهای لازم و تأیید درخواست، گواهی پایان دوره به زبان فارسی و انگلیسی صادر میشود. گواهی دارای لینک اختصاصی و QR Code برای بررسی و استعلام آنلاین است.
این گواهی صرفاً بهعنوان گواهی اتمام دوره آموزشی صادر میشود و معادل مدرک دانشگاهی، آکادمیک یا مدرک رسمی مورد تأیید نهادهای دولتی نیست. صدور آن منوط به تکمیل شرایط دوره و تأیید نهایی درخواست است.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.