سپنتا کتاب اکسپرس
کتاب شبکه‌های عصبی کانولوشنی با تنسورفلو برای پردازش تصویر

کتاب شبکه‌های عصبی کانولوشنی با تنسورفلو 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 با تنسورفلو برای پردازش تصویر

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: شبکه‌های عصبی عمیق

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مبانی یادگیری ماشین
  • 3. انواع یادگیری ماشین
  • 4. یادگیری نظارت شده
  • 5. یادگیری نظارت نشده
  • 6. یادگیری تقویتی
  • 7. مقدمه‌ای بر شبکه‌های عصبی
  • 8. نورون و تابع فعال‌سازی
  • 9. معماری شبکه‌های عصبی
  • 10. شبکه‌های عصبی پیشخور
  • 11. پس‌انتشار خطا
  • 12. بهینه‌سازی شبکه‌های عصبی
  • 13. گرادیان کاهشی
  • 14. تنوع گرادیان کاهشی
  • 15. تنظیم نرخ یادگیری
  • 16. تنظیم‌کننده‌ها
  • 17. منظم‌سازی L1 و L2
  • 18. ترک کردن (Dropout)
  • 19. یادگیری عمیق
  • 20. مفاهیم اساسی یادگیری عمیق
  • 21. شبکه‌های عصبی کانولوشنی (CNN)
  • 22. معماری CNN
  • 23. لایه کانولوشن
  • 24. فیلترها و کرنل‌ها
  • 25. تابع فعال‌سازی در CNN
  • 26. لایه ادغام (Pooling)
  • 27. انواع لایه‌های ادغام
  • 28. لایه کاملاً متصل (Fully Connected)
  • 29. پردازش تصویر با CNN
  • 30. پیش‌پردازش تصاویر
  • 31. تکنیک‌های افزایش داده (Data Augmentation)
  • 32. معماری‌های معروف CNN
  • 33. شبکه LeNet-5
  • 34. شبکه AlexNet
  • 35. شبکه VGG
  • 36. شبکه ResNet
  • 37. شبکه Inception
  • 38. شبکه‌های عصبی بازگشتی (RNN)
  • 39. مقدمه‌ای بر RNN
  • 40. مشکل ناپدید شدن گرادیان در RNN
  • 41. حافظه طولانی کوتاه مدت (LSTM)
  • 42. واحد بازگشتی دروازه‌ای (GRU)
  • 43. کاربرد RNN در پردازش زبان طبیعی
  • 44. کاربرد CNN و RNN در پردازش تصویر
  • 45. تشخیص اشیاء
  • 46. تقسیم‌بندی معنایی (Semantic Segmentation)
  • 47. تشخیص چهره
  • 48. شناسایی دست‌خط
  • 49. تنسورفلو (TensorFlow)
  • 50. مقدمه‌ای بر تنسورفلو
  • 51. مفاهیم پایه تنسورفلو
  • 52. گراف محاسباتی
  • 53. سشن‌ها در تنسورفلو
  • 54. متغیرها و ثابت‌ها
  • 55. عملیات تنسورفلو
  • 56. کِرتاس‌ها (Keras)
  • 57. مقدمه‌ای بر کرتاس
  • 58. ساخت مدل‌های خطی در کرتاس
  • 59. ساخت مدل‌های توالی در کرتاس
  • 60. لایه‌های کرتاس
  • 61. کامپایل کردن مدل در کرتاس
  • 62. آموزش مدل در کرتاس
  • 63. ارزیابی مدل در کرتاس
  • 64. پیش‌بینی با مدل در کرتاس
  • 65. ساخت CNN با کرتاس
  • 66. آموزش CNN برای طبقه‌بندی تصویر
  • 67. داده‌های مجموعه MNIST
  • 68. داده‌های مجموعه CIFAR-10
  • 69. تنظیم معماری CNN
  • 70. بهینه‌سازی پارامترهای آموزش
  • 71. تنظیم نرخ یادگیری
  • 72. استفاده از منظم‌سازی
  • 73. تنظیم‌کننده Dropout
  • 74. استفاده از توابع فعال‌سازی مختلف
  • 75. استفاده از بهینه‌سازهای مختلف
  • 76. اعتبارسنجی متقابل (Cross-validation)
  • 77. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 78. مدل‌های پیش‌آموزش دیده
  • 79. انتقال یادگیری (Transfer Learning)
  • 80. استفاده از مدل‌های پیش‌آموزش دیده برای طبقه‌بندی تصویر
  • 81. تنظیم مدل‌های پیش‌آموزش دیده
  • 82. تنظیم دقیق (Fine-tuning) مدل‌های پیش‌آموزش دیده
  • 83. کاربرد CNN در تشخیص ناهنجاری
  • 84. کاربرد CNN در تولید تصویر
  • 85. مقدمه‌ای بر شبکه‌های مولد تخاصمی (GAN)
  • 86. معماری GAN
  • 87. آموزش GAN
  • 88. کاربرد GAN در پردازش تصویر
  • 89. اخلاق در هوش مصنوعی
  • 90. سوگیری در داده‌ها و مدل‌ها
  • 91. شفافیت و توضیح‌پذیری مدل‌ها
  • 92. حریم خصوصی در هوش مصنوعی
  • 93. پیامدهای اجتماعی هوش مصنوعی
  • 94. آینده یادگیری عمیق
  • 95. پروژه‌های عملی با تنسورفلو و کرتاس
  • 96. ساخت یک طبقه‌بند تصویر پیشرفته
  • 97. تشخیص بیماری از روی تصاویر پزشکی
  • 98. ساخت یک مدل تشخیص اشیاء سفارشی
  • 99. کاربرد CNN در تحلیل داده‌های سری زمانی
  • 100. یادگیری عمیق برای داده‌های غیرساختاریافته

📚 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.