کتاب تصاویر شهری سخن می‌گویند: یادگیری بازنمایی دقیق با LLM و حذف هوشمند نویز
, ,

کتاب تصاویر شهری سخن می‌گویند: یادگیری بازنمایی دقیق با LLM و حذف هوشمند نویز

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000008979 دسته: , , برچسب: , , , , , , , , , , , , ,

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب تصاویر شهری سخن می‌گویند: یادگیری بازنمایی دقیق با LLM و حذف هوشمند نویز

موضوع کلی: هوش مصنوعی و درک محیط شهری

موضوع میانی: یادگیری بازنمایی شهری با استفاده از مدل‌های زبان بزرگ

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه‌ای بر هوش مصنوعی و درک محیط شهری
  • 2. اهمیت درک خودکار محیط شهری: از شهر هوشمند تا ناوبری خودران
  • 3. معرفی دوره: تصاویر شهری سخن می‌گویند
  • 4. معرفی مقاله الهام‌بخش و ایده کلیدی آن
  • 5. بازنمایی (Representation) چیست و چرا در هوش مصنوعی مهم است؟
  • 6. یادگیری بازنمایی (Representation Learning): از ویژگی‌های دستی تا یادگیری عمیق
  • 7. داده‌های تصویری شهری: انواع، منابع و چالش‌ها (Google Street View, Mapillary)
  • 8. مفهوم نظارت (Supervision) در یادگیری ماشین: قوی، ضعیف و خودنظارتی
  • 9. چالش اصلی: نظارت با کپشن‌های طولانی و نویزی (Noisy Long-Caption Supervision)
  • 10. ملاقات بینایی کامپیوتر و پردازش زبان طبیعی: یک اتحاد قدرتمند
  • 11. نقشه راه دوره: از مبانی تا پروژه‌های عملی
  • 12. یادآوری مبانی یادگیری عمیق و شبکه‌های عصبی
  • 13. مقدمه‌ای بر شبکه‌های عصبی کانولوشنی (CNN) برای پردازش تصویر
  • 14. معماری‌های کلیدی CNN: از LeNet و AlexNet تا ResNet
  • 15. استخراج ویژگی از تصاویر با استفاده از CNNها
  • 16. مفهوم پیش‌آموزش (Pre-training) و یادگیری انتقالی (Transfer Learning) در بینایی کامپیوتر
  • 17. فراتر از طبقه‌بندی تصویر: تشخیص اشیاء (Object Detection)
  • 18. بخش‌بندی معنایی (Semantic Segmentation) در تصاویر شهری
  • 19. انقلاب ترنسفورمرها در بینایی کامپیوتر: معرفی Vision Transformers (ViT)
  • 20. مقایسه ViT و CNN برای تحلیل تصاویر شهری
  • 21. یادگیری بازنمایی برای کل تصویر در مقابل نواحی (Regions) تصویر
  • 22. مبانی پردازش زبان طبیعی (NLP)
  • 23. از شمارش کلمات تا نهان‌سازی کلمات (Word Embeddings): Word2Vec و GloVe
  • 24. مروری بر شبکه‌های عصبی بازگشتی (RNN) و LSTM برای پردازش توالی
  • 25. معماری ترنسفورمر: مکانیزم توجه (Attention) به عنوان هسته اصلی
  • 26. رمزگذار (Encoder) و رمزگشا (Decoder) در ترنسفورمرها
  • 27. آشنایی با مدل BERT: یادگیری بازنمایی دوطرفه از متن
  • 28. آشنایی با خانواده مدل‌های GPT: قدرت تولید متن
  • 29. مدل‌های زبان بزرگ (LLM) چه هستند و چگونه کار می‌کنند؟
  • 30. توکنیزاسیون (Tokenization): تبدیل متن به ورودی قابل فهم برای مدل
  • 31. توانمندی‌ها و محدودیت‌های LLMها در درک مفاهیم پیچیده
  • 32. چرا به مدل‌های چندوجهی (Multimodal) نیاز داریم؟
  • 33. مقدمه‌ای بر مدل‌های زبان-بینایی (Vision-Language Models)
  • 34. معرفی مدل CLIP: اتصال متن و تصویر با یادگیری تضادگونه (Contrastive Learning)
  • 35. فضای نهان مشترک (Joint Embedding Space) و قدرت آن
  • 36. هم‌ترازی (Alignment) تصویر و متن: چگونه CLIP این کار را انجام می‌دهد؟
  • 37. معرفی مدل‌های پیشرفته‌تر: BLIP و ALBEF
  • 38. یادگیری صفر-شات (Zero-Shot Learning) با مدل‌های زبان-بینایی
  • 39. تنظیم دقیق (Fine-tuning) مدل‌های زبان-بینایی برای وظایف خاص
  • 40. کاربرد مدل‌های زبان-بینایی در تحلیل تصاویر شهری
  • 41. تحلیل عمیق مشکل: نویز در کپشن‌های شهری چیست؟
  • 42. انواع نویز: عدم تطابق مکانی، اطلاعات نامربوط، کلی‌گویی
  • 43. چرا کپشن‌های طولانی هم یک فرصت و هم یک چالش هستند؟
  • 44. ایده اصلی مقاله: استفاده از LLM به عنوان یک فیلتر هوشمند نویز
  • 45. معماری پیشنهادی: یک رویکرد دو مرحله‌ای
  • 46. مرحله اول: تولید جفت‌های کاندید (ناحیه-عبارت)
  • 47. استخراج ویژگی‌های ناحیه‌ای از تصویر با استفاده از مدل‌های بینایی
  • 48. تجزیه کپشن طولانی به عبارات معنادار (Phrase Grounding)
  • 49. مرحله دوم: فیلتر کردن هوشمند جفت‌ها با استفاده از LLM
  • 50. طراحی پرامپت (Prompt Engineering) برای هدایت LLM
  • 51. چگونه LLM تصمیم می‌گیرد کدام عبارت به کدام ناحیه مرتبط است؟
  • 52. ساختار مدل نهایی و تابع هزینه (Loss Function)
  • 53. آموزش سرتاسری (End-to-End) مدل
  • 54. وظایف پایین‌دستی (Downstream Tasks) برای ارزیابی کیفیت بازنمایی
  • 55. معیارهای ارزیابی: طبقه‌بندی و بازیابی ناحیه‌ای
  • 56. مقایسه نتایج با روش‌های پایه (Baseline)
  • 57. تحلیل خطاها: مدل در چه مواردی شکست می‌خورد؟
  • 58. اهمیت حذف نویز در بهبود بازنمایی نهایی
  • 59. انتخاب مجموعه داده مناسب برای پروژه
  • 60. پیش‌پردازش داده‌های تصویری: نرمال‌سازی و افزایش داده (Data Augmentation)
  • 61. پیش‌پردازش داده‌های متنی: پاک‌سازی و توکنیزاسیون
  • 62. ابزارها و کتابخانه‌ها: PyTorch, Hugging Face Transformers, OpenCV
  • 63. ساختار کد و پایپ‌لاین آموزش مدل
  • 64. انتخاب و تنظیم هایپرپارامترها: نرخ یادگیری، اندازه دسته و …
  • 65. چالش‌های محاسباتی و نیازمندی‌های سخت‌افزاری (GPU)
  • 66. نظارت بر فرآیند آموزش: ابزارهای TensorBoard و Weights & Biases
  • 67. اشکال‌زدایی (Debugging) مدل‌های چندوجهی
  • 68. بصری‌سازی نتایج: نقشه‌های حرارتی توجه و هم‌ترازی ناحیه-عبارت
  • 69. پروژه عملی: پیاده‌سازی یک نسخه ساده‌شده از مدل مقاله
  • 70. مقایسه با روش‌های دیگر یادگیری بازنمایی شهری
  • 71. محدودیت‌های رویکرد مبتنی بر LLM
  • 72. ملاحظات اخلاقی: حریم خصوصی در تصاویر شهری
  • 73. سوگیری (Bias) در داده‌ها و مدل‌ها و راه‌های مقابله با آن
  • 74. کاربردهای فراتر از بازنمایی: جستجوی معنایی تصاویر شهری
  • 75. تولید خودکار توصیفات شهری (Urban Captioning)
  • 76. ادغام با داده‌های دیگر: نقشه، GPS و داده‌های حسگرهای لایدار (LiDAR)
  • 77. روندهای آینده: مدل‌های پایه (Foundation Models) برای درک شهری
  • 78. یادگیری مستمر (Continual Learning) در محیط‌های شهری در حال تغییر
  • 79. جمع‌بندی نهایی و خلاصه دستاوردهای دوره
  • 80. راهنمای پروژه پایانی: چالش درک یک محله شهری جدید

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کتاب تصاویر شهری سخن می‌گویند: یادگیری بازنمایی دقیق با LLM و حذف هوشمند نویز”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

محصولات مشابه

پیمایش به بالا