سپنتا کتاب اکسپرس
کتاب ساخت مدل‌های تشخیص اشیاء سفارشی با استفاده از NVIDIA و Azure ML

کتاب ساخت مدل‌های تشخیص اشیاء سفارشی با استفاده از NVIDIA و Azure ML

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 ساخت مدل‌های تشخیص اشیاء سفارشی با استفاده از NVIDIA و Azure ML

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: پردازش تصویر و بینایی ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مبانی یادگیری ماشین
  • 3. انواع یادگیری ماشین
  • 4. یادگیری نظارت‌شده
  • 5. یادگیری نظارت‌نشده
  • 6. یادگیری تقویتی
  • 7. شبکه‌های عصبی مصنوعی
  • 8. مقدمه‌ای بر پردازش تصویر
  • 9. مفاهیم پایه در پردازش تصویر
  • 10. کتابخانه‌های پردازش تصویر در پایتون
  • 11. آشنایی با OpenCV
  • 12. عملیات پایه‌ای در OpenCV
  • 13. فیلترهای تصویر
  • 14. لبه‌یابی در تصویر
  • 15. آستانه‌گذاری تصویر
  • 16. تحلیل هیستوگرام تصویر
  • 17. تشخیص ویژگی در تصویر
  • 18. توصیف‌گرهای ویژگی
  • 19. الگوریتم SIFT
  • 20. الگوریتم SURF
  • 21. الگوریتم ORB
  • 22. مقدمه‌ای بر تشخیص اشیاء
  • 23. چالش‌های تشخیص اشیاء
  • 24. کاربرد تشخیص اشیاء
  • 25. روش‌های سنتی تشخیص اشیاء
  • 26. مقدمه‌ای بر یادگیری عمیق
  • 27. شبکه‌های عصبی کانولوشنی (CNN)
  • 28. معماری‌های معروف CNN
  • 29. شبکه‌های عصبی کانولوشنی برای تشخیص اشیاء
  • 30. مقدمه‌ای بر تشخیص اشیاء مبتنی بر یادگیری عمیق
  • 31. فریم‌ورک‌های یادگیری عمیق
  • 32. TensorFlow
  • 33. PyTorch
  • 34. Keras
  • 35. آشنایی با NVIDIA
  • 36. کارت‌های گرافیک NVIDIA
  • 37. CUDA و cuDNN
  • 38. کاربرد NVIDIA در یادگیری عمیق
  • 39. آشنایی با Azure Machine Learning
  • 40. محیط Azure ML
  • 41. ابزارهای Azure ML
  • 42. آموزش مدل در Azure ML
  • 43. استقرار مدل در Azure ML
  • 44. ساخت مدل‌های تشخیص اشیاء سفارشی
  • 45. مراحل توسعه مدل تشخیص اشیاء
  • 46. جمع‌آوری و برچسب‌گذاری داده‌ها
  • 47. مجموعه داده‌های عمومی تشخیص اشیاء
  • 48. برچسب‌گذاری دستی داده‌ها
  • 49. ابزارهای برچسب‌گذاری داده‌ها
  • 50. تقسیم داده‌ها به مجموعه‌های آموزش، اعتبارسنجی و آزمون
  • 51. آماده‌سازی داده‌ها برای آموزش
  • 52. تغییر اندازه و نرمال‌سازی تصاویر
  • 53. افزایش داده (Data Augmentation)
  • 54. تکنیک‌های افزایش داده
  • 55. استفاده از NVIDIA برای آموزش مدل
  • 56. تنظیمات سخت‌افزاری NVIDIA
  • 57. بهینه‌سازی آموزش با CUDA
  • 58. انتخاب معماری مناسب مدل
  • 59. معماری‌های تشخیص اشیاء (مانند YOLO, SSD, Faster R-CNN)
  • 60. تنظیم پارامترهای مدل
  • 61. تابع هزینه (Loss Function)
  • 62. بهینه‌سازها (Optimizers)
  • 63. نرخ یادگیری (Learning Rate)
  • 64. آموزش مدل با Azure Machine Learning
  • 65. استفاده از Azure ML Designer
  • 66. استفاده از Azure ML SDK
  • 67. نظارت بر فرآیند آموزش
  • 68. ارزیابی عملکرد مدل
  • 69. معیارهای ارزیابی (مانند IoU, mAP)
  • 70. تحلیل نتایج ارزیابی
  • 71. تنظیم مجدد هایپرپارامترها
  • 72. تکرار فرآیند آموزش و ارزیابی
  • 73. استفاده از مدل‌های از پیش آموزش‌دیده (Transfer Learning)
  • 74. تنظیم دقیق مدل (Fine-tuning)
  • 75. ذخیره و بارگذاری مدل آموزش‌دیده
  • 76. استقرار مدل تشخیص اشیاء
  • 77. روش‌های استقرار مدل
  • 78. استقرار در Azure ML Endpoints
  • 79. استقرار برای کاربردهای Real-time
  • 80. استقرار برای کاربردهای Batch
  • 81. بهینه‌سازی مدل برای استقرار
  • 82. کوانتیزاسیون مدل
  • 83. پالایش مدل
  • 84. تست و اعتبارسنجی مدل مستقر شده
  • 85. نظارت بر عملکرد مدل مستقر شده
  • 86. بهبود مستمر مدل
  • 87. بازآموزی مدل با داده‌های جدید
  • 88. مدیریت نسخه مدل‌ها
  • 89. کاربردهای پیشرفته تشخیص اشیاء
  • 90. تشخیص اشیاء در ویدئو
  • 91. تشخیص اشیاء چندتایی
  • 92. ردیابی اشیاء
  • 93. مثال‌های عملی از ساخت مدل تشخیص اشیاء
  • 94. تشخیص چهره
  • 95. تشخیص خودرو
  • 96. تشخیص محصولات
  • 97. ملاحظات اخلاقی در تشخیص اشیاء
  • 98. حریم خصوصی
  • 99. سوگیری در داده‌ها و مدل‌ها
  • 100. مسئولیت‌پذیری

📚 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.