دوره توسعهٔ قابلیت‌های بینایی ماشین در Microsoft Azure همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره توسعهٔ قابلیت‌های بینایی ماشین در Microsoft Azure

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: بینایی ماشین با استفاده از پلتفرم‌های ابری

📋 سرفصل‌های دوره

• 1. مبانی بینایی ماشین در Azure
• 2. مقدمه‌ای بر سرویس‌های بینایی کامپیوتر Azure
• 3. معماری سرویس‌های بینایی کامپیوتر Azure
• 4. کاربردها و سناریوهای بینایی ماشین
• 5. شناسایی تصویر با استفاده از Azure Cognitive Services
• 6. دسته‌بندی تصاویر با Azure Computer Vision
• 7. برچسب‌گذاری خودکار تصاویر
• 8. تشخیص اشیاء در تصاویر
• 9. تشخیص چهره و تحلیل احساسات
• 10. تشخیص متن (OCR) در تصاویر
• 11. استخراج اطلاعات از اسناد
• 12. تشخیص چهره و احراز هویت
• 13. مدیریت داده‌های تصویری در Azure
• 14. ذخیره‌سازی تصاویر در Azure Blob Storage
• 15. مدیریت متادیتای تصاویر
• 16. دسترس‌پذیری و امنیت داده‌های تصویری
• 17. آموزش مدل‌های سفارشی بینایی ماشین
• 18. مقدمه‌ای بر Azure Machine Learning
• 19. انتخاب چارچوب مناسب برای یادگیری ماشین
• 20. آماده‌سازی داده‌ها برای آموزش مدل
• 21. انتخاب ویژگی‌ها (Feature Engineering)
• 22. انتخاب الگوریتم‌های یادگیری ماشین
• 23. آموزش مدل‌های طبقه‌بندی تصویر
• 24. آموزش مدل‌های تشخیص اشیاء
• 25. آموزش مدل‌های قطعه‌بندی تصویر (Segmentation)
• 26. تنظیم پارامترهای مدل (Hyperparameter Tuning)
• 27. ارزیابی عملکرد مدل‌های بینایی ماشین
• 28. معیارهای ارزیابی برای طبقه‌بندی
• 29. معیارهای ارزیابی برای تشخیص اشیاء
• 30. بهبود دقت مدل‌ها
• 31. استقرار مدل‌های بینایی ماشین
• 32. استقرار مدل‌ها در Azure Kubernetes Service
• 33. استقرار مدل‌ها به عنوان سرویس وب
• 34. استقرار مدل‌ها در Azure Functions
• 35. مانیتورینگ عملکرد مدل‌های مستقر شده
• 36. به‌روزرسانی و بازآموزی مدل‌ها
• 37. استفاده از Azure Cognitive Search برای بینایی ماشین
• 38. جستجوی معنایی در تصاویر
• 39. ترکیب بینایی ماشین با پردازش زبان طبیعی
• 40. تحلیل احساسات از متن استخراج شده از تصاویر
• 41. خلاصه‌سازی متن استخراج شده از اسناد
• 42. کاربردها در صنعت
• 43. بینایی ماشین در خرده‌فروشی
• 44. تحلیل رفتار مشتری در فروشگاه
• 45. مدیریت موجودی با بینایی ماشین
• 46. بینایی ماشین در تولید
• 47. کنترل کیفیت محصولات
• 48. رباتیک و اتوماسیون صنعتی
• 49. بینایی ماشین در حوزه سلامت
• 50. تشخیص پزشکی با استفاده از تصاویر
• 51. تحلیل تصاویر پزشکی
• 52. بینایی ماشین در کشاورزی
• 53. نظارت بر محصولات کشاورزی
• 54. شناسایی آفات و بیماری‌ها
• 55. بینایی ماشین در امنیت
• 56. نظارت تصویری هوشمند
• 57. تشخیص نفوذ
• 58. بینایی ماشین در حمل و نقل
• 59. خودروهای خودران
• 60. مدیریت ترافیک
• 61. کاربردها در حوزه عمومی
• 62. شهر هوشمند
• 63. مدیریت منابع
• 64. ملاحظات اخلاقی و مسئولیت‌پذیری
• 65. حریم خصوصی در بینایی ماشین
• 66. سوگیری در مدل‌های هوش مصنوعی
• 67. مقابله با سوگیری مدل‌ها
• 68. امنیت مدل‌های بینایی ماشین
• 69. محافظت از داده‌های حساس
• 70. ملاحظات قانونی و مقرراتی
• 71. قوانین مربوط به پردازش داده‌های تصویری
• 72. استانداردهای حاکمیتی در هوش مصنوعی
• 73. آیندهٔ بینایی ماشین
• 74. روندها و نوآوری‌های جدید
• 75. یادگیری عمیق در بینایی ماشین
• 76. شبکه‌های عصبی کانولوشنال (CNN)
• 77. شبکه‌های عصبی بازگشتی (RNN)
• 78. یادگیری تقویتی در بینایی ماشین
• 79. بینایی ماشین در زمان واقعی (Real-time)
• 80. پردازش ویدئو با Azure
• 81. تحلیل فریم‌های ویدئویی
• 82. شناسایی رویدادها در ویدئو
• 83. مدل‌های پیشرفته تشخیص اشیاء
• 84. شبکه‌های مولد تخاصمی (GANs)
• 85. تولید تصاویر واقع‌گرایانه
• 86. تغییر سبک تصاویر
• 87. مدل‌های تشخیص چهره پیشرفته
• 88. تحلیل حرکات بدن
• 89. استفاده از Azure Custom Vision
• 90. آموزش مدل‌های سفارشی با داده‌های اختصاصی
• 91. تنظیمات پیشرفته در Custom Vision
• 92. مقایسه Azure Custom Vision با Azure Computer Vision
• 93. بهینه‌سازی مدل‌ها برای دستگاه‌های لبه
• 94. استفاده از Azure IoT Edge
• 95. استقرار مدل‌های بینایی ماشین بر روی دستگاه‌های لبه
• 96. کاربرد در سناریوهای آفلاین
• 97. ملاحظات امنیتی در دستگاه‌های لبه
• 98. پیشگیری از تقلب با بینایی ماشین
• 99. تشخیص چهره برای احراز هویت
• 100. تحلیل الگوهای رفتاری