کتاب معیارهای ارزیابی کارایی طبقه‌بندی تصویر در بینایی ماشین

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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره معیارهای ارزیابی کارایی طبقه‌بندی تصویر در بینایی ماشین

موضوع کلی: ارزیابی سیستم‌های هوش مصنوعی

موضوع میانی: ارزیابی سیستم‌های بینایی ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه بر طبقه‌بندی تصویر
  • 2. مبانی طبقه‌بندی تصویر
  • 3. هدف از طبقه‌بندی تصویر
  • 4. کاربردها در بینایی ماشین
  • 5. مفاهیم کلیدی در ارزیابی
  • 6. اهمیت معیارهای ارزیابی
  • 7. دسته‌بندی معیارهای ارزیابی
  • 8. معیارهای پایه
  • 9. دقت (Accuracy)
  • 10. مفهوم دقت
  • 11. محاسبه دقت
  • 12. نقاط ضعف دقت
  • 13. سوگیری در داده‌ها
  • 14. دقت برای مجموعه داده‌های نامتوازن
  • 15. مقدمه بر ماتریس درهم‌ریختگی (Confusion Matrix)
  • 16. ساختار ماتریس درهم‌ریختگی
  • 17. درک اجزای ماتریس
  • 18. ماتریس درهم‌ریختگی دوکلاسه
  • 19. ماتریس درهم‌ریختگی چندکلاسه
  • 20. مزایای ماتریس درهم‌ریختگی
  • 21. محدودیت‌های ماتریس درهم‌ریختگی
  • 22. مفاهیم مشتق شده از ماتریس درهم‌ریختگی
  • 23. صحت (Precision)
  • 24. تعریف صحت
  • 25. محاسبه صحت
  • 26. اهمیت صحت
  • 27. صحت و نتایج مثبت کاذب
  • 28. صحت در مقابل صحت کلی
  • 29. حساسیت (Recall) یا پوشش (Coverage)
  • 30. تعریف حساسیت
  • 31. محاسبه حساسیت
  • 32. اهمیت حساسیت
  • 33. حساسیت و نتایج منفی کاذب
  • 34. حساسیت در مقابل صحت کلی
  • 35. ویژگی (F1-Score)
  • 36. تعریف ویژگی
  • 37. محاسبه ویژگی
  • 38. اهمیت ویژگی
  • 39. توازن بین صحت و حساسیت
  • 40. کاربرد ویژگی
  • 41. معیارهای مبتنی بر احتمال
  • 42. منحنی مشخصه عملکرد گیرنده (ROC Curve)
  • 43. مفهوم منحنی ROC
  • 44. محورهای منحنی ROC
  • 45. نقطه آستانه (Threshold)
  • 46. نمودار ROC
  • 47. تفسیر منحنی ROC
  • 48. مساحت زیر منحنی ROC (AUC)
  • 49. محاسبه AUC
  • 50. اهمیت AUC
  • 51. AUC و توانایی تفکیک
  • 52. منحنی دقت-پوشش (Precision-Recall Curve)
  • 53. مفهوم منحنی PR
  • 54. محورهای منحنی PR
  • 55. تفسیر منحنی PR
  • 56. تفاوت ROC و PR
  • 57. کاربرد منحنی PR
  • 58. مساحت زیر منحنی PR
  • 59. معیارهای متنی (Contextual Metrics)
  • 60. کالیبراسیون مدل (Model Calibration)
  • 61. اهمیت کالیبراسیون
  • 62. نحوه ارزیابی کالیبراسیون
  • 63. نمودار کالیبراسیون
  • 64. کالیبراسیون با استفاده از نمایش حرارتی (Reliability Diagrams)
  • 65. معیارهای مرتبط با ریسک
  • 66. هزینه خطاهای طبقه‌بندی
  • 67. تعریف هزینه خطا
  • 68. مدل‌سازی هزینه خطا
  • 69. تابع هزینه (Cost Function)
  • 70. بهینه‌سازی با تابع هزینه
  • 71. معیارهای اقتصادی
  • 72. معیارهای مرتبط با کاربرد
  • 73. کارایی در دنیای واقعی
  • 74. سنجش سرعت اجرا
  • 75. مصرف حافظه
  • 76. توان محاسباتی مورد نیاز
  • 77. پیاده‌سازی و استقرار
  • 78. معیارهای مرتبط با عدم قطعیت
  • 79. آنتروپی (Entropy)
  • 80. اندازه‌گیری عدم قطعیت
  • 81. آنتروپی در طبقه‌بندی
  • 82. آنتروپی متقابل (Cross-Entropy)
  • 83. کاربرد آنتروپی متقابل
  • 84. انتروپی شانون (Shannon Entropy)
  • 85. مدل‌های بیزی (Bayesian Models)
  • 86. استفاده از احتمالات پسین (Posterior Probabilities)
  • 87. مدیریت عدم قطعیت پیش‌بینی
  • 88. معیارهای مبتنی بر فاصله
  • 89. فاصله اقلیدسی (Euclidean Distance)
  • 90. فاصله منهتن (Manhattan Distance)
  • 91. فاصله کسینوسی (Cosine Similarity)
  • 92. تأثیر فاصله بر طبقه‌بندی
  • 93. معیارهای خاص برای تسک‌های بینایی ماشین
  • 94. تشخیص اشیاء (Object Detection)
  • 95. جعبه احاطه‌کننده (Bounding Box)
  • 96. همپوشانی (IoU - Intersection over Union)
  • 97. متریک‌های تشخیص اشیاء
  • 98. بخش‌بندی معنایی (Semantic Segmentation)
  • 99. پیکسل صحیح (Correct Pixel)
  • 100. دقت پیکسل (Pixel Accuracy)

📚 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.