سپنتا کتاب اکسپرس
کتاب کارگاه عملی: تشخیص بیماری های برگ بتل با CBAM-CNN و هوش مصنوعی قابل توضیح

کتاب کارگاه عملی: تشخیص بیماری های برگ بتل با CBAM-CNN و هوش مصنوعی قابل توضیح

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 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 کارگاه عملی: تشخیص بیماری های برگ بتل با CBAM-CNN و هوش مصنوعی قابل توضیح

موضوع کلی: کاربرد هوش مصنوعی در کشاورزی دقیق

موضوع میانی: تشخیص بیماری های گیاهی با استفاده از یادگیری عمیق و توجه

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مبانی هوش مصنوعی و یادگیری ماشین
  • 2. مقدمه ای بر یادگیری عمیق
  • 3. شبکه های عصبی کانولوشنی (CNN) - مفاهیم پایه
  • 4. شبکه های عصبی کانولوشنی (CNN) - لایه ها و معماری
  • 5. انواع توابع فعال سازی در CNN
  • 6. توابع هزینه در CNN
  • 7. بهینه سازها در CNN
  • 8. آموزش و اعتبارسنجی مدل های یادگیری عمیق
  • 9. مدیریت داده های تصویری در یادگیری عمیق
  • 10. پیش پردازش تصاویر در کشاورزی
  • 11. اهمیت تشخیص بیماری های گیاهی
  • 12. مقدمه ای بر بیماری های برگ بتل
  • 13. مجموعه داده های تصاویر برگ بتل
  • 14. جمع آوری و برچسب گذاری داده ها
  • 15. تقسیم داده ها به مجموعه های آموزش، اعتبارسنجی و آزمون
  • 16. ارزیابی عملکرد مدل های یادگیری عمیق
  • 17. معیارهای ارزیابی: دقت، صحت، حساسیت، F1-Score
  • 18. مقدمه ای بر مکانیزم های توجه (Attention Mechanisms)
  • 19. چرا مکانیزم های توجه مهم هستند؟
  • 20. مکانیزم توجه در پردازش تصویر
  • 21. معرفی CBAM (Convolutional Block Attention Module)
  • 22. مفهوم توجه فضایی (Spatial Attention)
  • 23. پیاده سازی توجه فضایی
  • 24. مفهوم توجه کانالی (Channel Attention)
  • 25. پیاده سازی توجه کانالی
  • 26. ترکیب توجه فضایی و کانالی در CBAM
  • 27. معماری CBAMIntegrated Attention Driven Model
  • 28. جزئیات معماری CNN در مقاله
  • 29. جزئیات معماری CBAM در مقاله
  • 30. ترکیب CNN و CBAM
  • 31. فلوچارت معماری مدل پیشنهادی
  • 32. مراحل آموزش مدل CBAM-CNN
  • 33. تنظیم پارامترهای هایپرپارامتر
  • 34. تنظیم نرخ یادگیری
  • 35. تنظیم اندازه بچ (Batch Size)
  • 36. تنظیم اپوک ها (Epochs)
  • 37. استفاده از توقف زودهنگام (Early Stopping)
  • 38. تنظیمات منظم سازی (Regularization)
  • 39. تنظیمات منظم سازی L1 و L2
  • 40. تنظیمات Dropout
  • 41. ارزیابی مدل CBAM-CNN بر روی مجموعه داده برگ بتل
  • 42. تحلیل نتایج ارزیابی
  • 43. مقایسه با مدل های پایه CNN
  • 44. مقایسه با مدل های CNN با مکانیزم های توجه دیگر
  • 45. تحلیل ماتریس درهم ریختگی (Confusion Matrix)
  • 46. تحلیل منحنی ROC و AUC
  • 47. مقدمه ای بر هوش مصنوعی قابل توضیح (Explainable AI - XAI)
  • 48. اهمیت XAI در تشخیص بیماری های گیاهی
  • 49. چالش های "جعبه سیاه" در مدل های یادگیری عمیق
  • 50. روش های XAI: روش های مبتنی بر گرادیان (Gradient-based)
  • 51. روش های XAI: Saliency Maps
  • 52. روش های XAI: Gradient-weighted Class Activation Mapping (Grad-CAM)
  • 53. پیاده سازی Grad-CAM بر روی مدل CBAM-CNN
  • 54. تفسیر Saliency Maps و Heatmaps
  • 55. شناسایی مناطق مهم در تصویر توسط مدل
  • 56. ارتباط Heatmaps با بیماری های برگ بتل
  • 57. ارزیابی قابل توضیح بودن مدل CBAM-CNN
  • 58. مزایای XAI در حوزه کشاورزی
  • 59. مثال هایی از کاربرد XAI در کشاورزی
  • 60. کاربرد XAI برای کشاورزان
  • 61. کاربرد XAI برای محققان
  • 62. کاربرد XAI برای توسعه دهندگان مدل
  • 63. تولید گزارش های قابل توضیح برای تشخیص بیماری
  • 64. تکنیک های تجسم سازی (Visualization) نتایج XAI
  • 65. تجسم سازی Heatmaps در کنار تصاویر اصلی
  • 66. تجسم سازی فعال سازی لایه ها (Layer Activations)
  • 67. تجسم سازی وزن ها (Weights) در CNN
  • 68. استفاده از XAI برای رفع اشکال مدل
  • 69. شناسایی خطاهای مدل با استفاده از XAI
  • 70. بهبود دقت مدل با درک خطاهای XAI
  • 71. کاربرد CBAM-CNN و XAI در کشاورزی دقیق
  • 72. تشخیص زودهنگام بیماری ها
  • 73. کاهش استفاده از سموم شیمیایی
  • 74. افزایش بازدهی محصولات
  • 75. مدیریت منابع آبی و کودی
  • 76. سیستم های پشتیبانی تصمیم گیری برای کشاورزان
  • 77. پیاده سازی یک سیستم نمونه (Prototype)
  • 78. طراحی رابط کاربری ساده برای سیستم
  • 79. انتخاب چارچوب های پیاده سازی (مانند TensorFlow, PyTorch)
  • 80. آماده سازی زیرساخت های لازم (GPU)
  • 81. ملاحظات اخلاقی در استفاده از هوش مصنوعی در کشاورزی
  • 82. حریم خصوصی داده ها
  • 83. مسئولیت پذیری در سیستم های خودکار
  • 84. چالش ها و محدودیت های مدل CBAM-CNN
  • 85. چالش های مربوط به کیفیت داده ها
  • 86. چالش های مربوط به تنوع بیماری ها
  • 87. چالش های مربوط به شرایط محیطی متغیر
  • 88. آینده پژوهی: مدل های پیشرفته تر Attention
  • 89. آینده پژوهی: مکانیزم های توجه ترانسفورمر (Transformer) در تصویر
  • 90. آینده پژوهی: ادغام چندین نوع Attention
  • 91. آینده پژوهی: کاربرد CBAM-CNN در سایر بیماری های گیاهی
  • 92. آینده پژوهی: توسعه مدل های Real-time
  • 93. آینده پژوهی: افزایش قابلیت تفسیرپذیری مدل های پیچیده تر
  • 94. آینده پژوهی: تلفیق با سنسورهای دیگر (مانند سنسورهای طیفی)
  • 95. مروری بر مفاهیم کلیدی دوره
  • 96. جمع بندی و نتیجه گیری
  • 97. جلسه پرسش و پاسخ
  • 98. پروژه نهایی: پیاده سازی مدل CBAM-CNN و XAI برای یک مجموعه داده دلخواه
  • 99. راهنمایی برای پروژه نهایی
  • 100. ارائه پروژه های دانشجویان (در صورت امکان)

📚 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

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.