سپنتا کتاب اکسپرس
کتاب شبکه‌های عصبی کانولوشنی (CNN) برای پردازش تصویر

کتاب شبکه‌های عصبی کانولوشنی (CNN) برای پردازش تصویر

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 شبکه‌های عصبی کانولوشنی (CNN) برای پردازش تصویر

موضوع کلی: برنامه نویسی

موضوع میانی: هوش مصنوعی و یادگیری ماشین (AI/ML)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر شبکه‌های عصبی کانولوشنی (CNN)
  • 2. مبانی یادگیری عمیق و شبکه‌های عصبی
  • 3. ساختار لایه‌های کانولوشنی
  • 4. عملکرد کرنل‌ها (فیلترها) در CNN
  • 5. فضاهای ویژگی و استخراج آن‌ها
  • 6. لایه‌های فعال‌سازی (ReLU و انواع آن)
  • 7. لایه‌های پولینگ (Pooling) برای کاهش ابعاد
  • 8. انواع لایه‌های پولینگ (Max Pooling, Average Pooling)
  • 9. ساختار کلی یک شبکه عصبی کانولوشنی
  • 10. لایه‌های کاملاً متصل (Fully Connected Layers)
  • 11. تابع هزینه (Loss Function) در CNN
  • 12. بهینه‌سازها (Optimizers) در CNN
  • 13. الگوریتم پس‌انتشار خطا (Backpropagation)
  • 14. تنظیم نرخ یادگیری (Learning Rate Scheduling)
  • 15. تنظیم‌کننده‌ها (Regularization) برای جلوگیری از بیش‌برازش
  • 16. روش‌های تنظیم‌کننده (Dropout, L1, L2)
  • 17. پیش‌پردازش داده‌های تصویری
  • 18. افزایش داده (Data Augmentation) برای تصاویر
  • 19. مجموعه داده‌های استاندارد در پردازش تصویر (MNIST, CIFAR-10)
  • 20. بارهای از پیش آموزش‌دیده (Pre-trained Models)
  • 21. انتقال یادگیری (Transfer Learning)
  • 22. معماری‌های معروف CNN (LeNet-5)
  • 23. معماری AlexNet و نوآوری‌های آن
  • 24. معماری VGG و عمق شبکه‌ها
  • 25. معماری GoogLeNet (Inception Modules)
  • 26. معماری ResNet و اتصالات باقی‌مانده
  • 27. شبکه‌های عصبی کانولوشنی برای طبقه‌بندی تصویر
  • 28. تشخیص اشیاء (Object Detection) با CNN
  • 29. مبانی شبکه‌های YOLO
  • 30. مبانی شبکه‌های Faster R-CNN
  • 31. مبانی شبکه‌های SSD
  • 32. تقسیم‌بندی معنایی تصویر (Semantic Segmentation)
  • 33. مبانی شبکه‌های FCN
  • 34. مبانی شبکه‌های U-Net
  • 35. مبانی شبکه‌های DeepLab
  • 36. تشخیص چهره با CNN
  • 37. شناسایی چهره و کاربردهای آن
  • 38. تولید تصویر با شبکه‌های مولد (GANs)
  • 39. مبانی شبکه‌های مولد تخاصمی (GAN)
  • 40. کاربرد CNN در تحلیل تصاویر پزشکی
  • 41. تشخیص بیماری‌ها از روی تصاویر پزشکی
  • 42. کاربرد CNN در پردازش ویدئو
  • 43. تحلیل حرکات و تشخیص رویدادها در ویدئو
  • 44. CNN برای بازسازی تصویر
  • 45. حذف نویز از تصاویر با CNN
  • 46. افزایش وضوح تصاویر با CNN
  • 47. کاربرد CNN در استخراج ویژگی‌های تصویر
  • 48. توصیف تصویر (Image Captioning) با CNN
  • 49. تحلیل احساسات از روی تصاویر
  • 50. کاربرد CNN در بازیابی تصویر مبتنی بر محتوا (CBIR)
  • 51. شبکه‌های عصبی کانولوشنی در رباتیک
  • 52. بینایی ماشین و کاربردهای صنعتی
  • 53. CNN برای خودران کردن وسایل نقلیه
  • 54. پردازش تصاویر ماهواره‌ای با CNN
  • 55. کاربرد CNN در کشاورزی هوشمند
  • 56. تشخیص آفات و بیماری‌های گیاهی
  • 57. CNN برای تحلیل الگوهای ترافیکی
  • 58. کاربرد CNN در امنیت و نظارت تصویری
  • 59. تشخیص رفتارهای مشکوک
  • 60. CNN برای تولید هنر دیجیتال
  • 61. تحلیل آثار هنری با CNN
  • 62. کاربرد CNN در طراحی مد و لباس
  • 63. شبکه‌های عصبی کانولوشنی در بازی‌سازی
  • 64. پردازش تصاویر سه‌بعدی با CNN
  • 65. کاربرد CNN در واقعیت افزوده (AR)
  • 66. کاربرد CNN در واقعیت مجازی (VR)
  • 67. شبکه‌های عصبی کانولوشنی در سیستم‌های توصیه‌گر
  • 68. تحلیل تصاویر محصولات برای توصیه‌گرها
  • 69. CNN برای تشخیص دست‌نوشته
  • 70. تشخیص ارقام و حروف دست‌نویس
  • 71. CNN برای تحلیل تصاویر میکروسکوپی
  • 72. کاربرد CNN در علوم مواد
  • 73. تحلیل تصاویر متالورژیکی
  • 74. CNN برای تشخیص کیفیت محصولات
  • 75. کاربرد CNN در حوزه محیط زیست
  • 76. پایش تغییرات محیطی با تصاویر
  • 77. CNN برای تشخیص گونه‌های جانوری
  • 78. کاربرد CNN در بهینه‌سازی فرآیندها
  • 79. تحلیل تصاویر خطوط تولید
  • 80. CNN برای تشخیص عیوب سطحی
  • 81. کاربرد CNN در صنعت نفت و گاز
  • 82. تحلیل تصاویر بازرسی خطوط لوله
  • 83. CNN برای تشخیص نشت
  • 84. کاربرد CNN در سیستم‌های تشخیص چهره در اماکن عمومی (با رعایت حریم خصوصی)
  • 85. تحلیل الگوهای رفتاری در فضاهای عمومی
  • 86. CNN برای تشخیص و طبقه‌بندی تصاویر سه بعدی (Point Clouds)
  • 87. پردازش داده‌های حسگرهای لایدار
  • 88. CNN برای بازسازی تصاویر سه بعدی
  • 89. تلفیق CNN با سایر معماری‌های یادگیری عمیق
  • 90. CNN و پردازش زبان طبیعی (NLP)
  • 91. CNN در تحلیل متن
  • 92. شبکه‌های عصبی بازگشتی (RNN) و CNN
  • 93. شبکه‌های ترنسفورمر (Transformer) و CNN
  • 94. ملاحظات اخلاقی در استفاده از CNN
  • 95. حفظ حریم خصوصی در پردازش تصاویر
  • 96. سوگیری (Bias) در داده‌های آموزشی CNN
  • 97. تفسیرپذیری (Interpretability) مدل‌های CNN
  • 98. روش‌های ارزیابی عملکرد مدل‌های CNN
  • 99. شاخص‌های ارزیابی (Accuracy, Precision, Recall, F1-score)
  • 100. تحلیل ماتریس درهم‌ریختگی (Confusion Matrix)

📚 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.