کتاب معرفی و کاربرد ترنسفورمرهای بینایی (Vision Transformers) با رویکرد عملی در پایتون

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 معرفی و کاربرد ترنسفورمرهای بینایی (Vision Transformers) با رویکرد عملی در پایتون

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: شبکه‌های عصبی عمیق

📋 سرفصل‌های دوره

  • 1. مبانی یادگیری ماشین و هوش مصنوعی
  • 2. مقدمه‌ای بر شبکه‌های عصبی
  • 3. ساختار پرسپترون تک لایه
  • 4. توابع فعال‌سازی در شبکه‌های عصبی
  • 5. پس‌انتشار خطا (Backpropagation)
  • 6. بهینه‌سازی گرادیان نزولی
  • 7. انواع بهینه‌سازها (SGD, Adam, RMSprop)
  • 8. شبکه‌های عصبی چند لایه (MLP)
  • 9. مقدمه‌ای بر یادگیری عمیق
  • 10. شبکه‌های عصبی کانولوشنی (CNN)
  • 11. لایه‌های کانولوشن و پولینگ
  • 12. کاربرد CNN در تشخیص تصویر
  • 13. شبکه‌های عصبی بازگشتی (RNN)
  • 14. حافظه کوتاه‌مدت طولانی (LSTM)
  • 15. شبکه‌های عصبی ترنسفورمر
  • 16. معماری ترنسفورمر: مکانیزم توجه
  • 17. مکانیزم توجه خودی (Self-Attention)
  • 18. کاربرد ترنسفورمر در پردازش زبان طبیعی (NLP)
  • 19. مقدمه‌ای بر ترنسفورمرهای بینایی (ViT)
  • 20. ساختار اصلی ترنسفورمرهای بینایی
  • 21. تقسیم تصویر به پچ (Patches)
  • 22. جاسازی پچ‌ها (Patch Embeddings)
  • 23. کدگذاری موقعیت (Positional Encoding)
  • 24. لایه ترنسفورمر در ViT
  • 25. مکانیزم توجه در ViT
  • 26. دسته‌بندی تصاویر با ViT
  • 27. تشخیص اشیاء با ViT
  • 28. تقسیم‌بندی معنایی با ViT
  • 29. مدل‌های از پیش آموزش‌دیده ViT
  • 30. انتقال یادگیری (Transfer Learning)
  • 31. تنظیم دقیق (Fine-Tuning) مدل‌های ViT
  • 32. آماده‌سازی مجموعه داده برای ViT
  • 33. پیش‌پردازش تصاویر برای ViT
  • 34. تکنیک‌های افزایش داده (Data Augmentation)
  • 35. پیاده‌سازی ViT با PyTorch
  • 36. پیاده‌سازی ViT با TensorFlow/Keras
  • 37. آموزش مدل ViT از ابتدا
  • 38. تنظیم دقیق مدل ViT برای وظایف جدید
  • 39. ارزیابی عملکرد مدل ViT
  • 40. معیارهای ارزیابی در بینایی ماشین
  • 41. مصرف حافظه و زمان آموزش ViT
  • 42. بهینه‌سازی سرعت آموزش ViT
  • 43. کاهش پیچیدگی محاسباتی ViT
  • 44. مدل‌های ترکیبی CNN-Transformer
  • 45. کاربرد ViT در تحلیل پزشکی
  • 46. ViT برای تشخیص بیماری‌ها
  • 47. ViT در سیستم‌های نظارتی
  • 48. ViT در رباتیک و بینایی ماشین
  • 49. ViT برای تولید تصویر (Generative Models)
  • 50. چالش‌ها و محدودیت‌های ViT
  • 51. آینده ترنسفورمرهای بینایی
  • 52. مفاهیم پیشرفته در ViT
  • 53. تقویت یادگیری (Reinforcement Learning)
  • 54. شبکه‌های مولد تخاصمی (GANs)
  • 55. یادگیری انتقالی برای داده‌های نامتوازن
  • 56. تفسیرپذیری مدل‌های یادگیری عمیق
  • 57. روش‌های توضیح‌پذیری در ViT
  • 58. حریم خصوصی در مدل‌های هوش مصنوعی
  • 59. اخلاق در هوش مصنوعی
  • 60. کاربرد هوش مصنوعی در صنعت
  • 61. هوش مصنوعی در کشاورزی
  • 62. هوش مصنوعی در حمل و نقل
  • 63. هوش مصنوعی در آموزش
  • 64. هوش مصنوعی در بهداشت و درمان
  • 65. هوش مصنوعی در امور مالی
  • 66. مقدمه‌ای بر پردازش سیگنال
  • 67. پردازش سیگنال‌های صوتی
  • 68. پردازش سیگنال‌های زمانی
  • 69. کاربرد ViT در پردازش سیگنال
  • 70. مقدمه‌ای بر یادگیری چندوجهی (Multimodal Learning)
  • 71. ترکیب اطلاعات تصویری و متنی
  • 72. مدل‌های چندوجهی مبتنی بر ترنسفورمر
  • 73. کاربرد ViT در خلاصه‌سازی تصویر
  • 74. تولید شرح تصویر (Image Captioning)
  • 75. پرسش و پاسخ تصویری (Visual Question Answering)
  • 76. جستجوی تصویر بر اساس متن
  • 77. مقدمه‌ای بر یادگیری فدرال (Federated Learning)
  • 78. پیاده‌سازی یادگیری فدرال با ViT
  • 79. ملاحظات امنیتی در ViT
  • 80. تکنیک‌های منظم‌سازی (Regularization)
  • 81. مدیریت بیش‌برازش (Overfitting)
  • 82. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 83. استفاده از GPU برای آموزش ViT
  • 84. مفاهیم پایه پایتون برای یادگیری ماشین
  • 85. کتابخانه NumPy برای محاسبات عددی
  • 86. کتابخانه Pandas برای تحلیل داده
  • 87. کتابخانه Matplotlib برای بصری‌سازی
  • 88. آشنایی با PyTorch
  • 89. آشنایی با TensorFlow
  • 90. اصول برنامه‌نویسی تمیز
  • 91. مدیریت پروژه در یادگیری ماشین
  • 92. مستندسازی کد و مدل‌ها
  • 93. مرور مقالات کلیدی در زمینه ViT
  • 94. تکنیک‌های پیشرفته Fine-Tuning
  • 95. مدل‌های کوچک‌تر و کارآمدتر ViT
  • 96. کاربرد ViT در واقعیت افزوده
  • 97. مقدمه‌ای بر یادگیری عمیق در لبه (Edge AI)
  • 98. پیاده‌سازی ViT بر روی دستگاه‌های لبه
  • 99. ملاحظات سخت‌افزاری برای ViT
  • 100. آینده پژوهش در ترنسفورمرهای بینایی

📚 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.