سپنتا کتاب اکسپرس
کتاب یادگیری عمیق تصاویر با PyTorch: از مبانی تا کاربردها

کتاب یادگیری عمیق تصاویر با PyTorch: از مبانی تا کاربردها

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 یادگیری عمیق تصاویر با PyTorch: از مبانی تا کاربردها

موضوع کلی: علوم کامپیوتر و هوش مصنوعی

موضوع میانی: یادگیری عمیق و پردازش تصویر

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری عمیق و پردازش تصویر
  • 2. نصب و راه‌اندازی PyTorch
  • 3. مبانی تنسورها در PyTorch
  • 4. عملیات پایه‌ای تنسورها
  • 5. شبکه‌های عصبی مصنوعی: اصول اولیه
  • 6. تابع فعال‌سازی: معرفی و انواع
  • 7. پس‌انتشار خطا: محاسبه گرادیان
  • 8. بهینه‌سازها: معرفی و کاربرد
  • 9. آموزش مدل‌های ساده با PyTorch
  • 10. مقدمه‌ای بر شبکه‌های عصبی کانولوشنی (CNN)
  • 11. لایه کانولوشن: عملکرد و پارامترها
  • 12. لایه Pooling: کاهش ابعاد و استخراج ویژگی
  • 13. لایه‌های Fully Connected
  • 14. ساختار CNN برای طبقه‌بندی تصاویر
  • 15. مجموعه داده‌های تصویری: معرفی و کار با آن‌ها
  • 16. پیش‌پردازش تصاویر برای CNN
  • 17. تقویت داده (Data Augmentation)
  • 18. طراحی معماری‌های CNN
  • 19. شبکه‌های پیش‌آموزش‌دیده (Pre-trained Networks)
  • 20. انتقال یادگیری (Transfer Learning)
  • 21. تنظیم دقیق (Fine-tuning) مدل‌های پیش‌آموزش‌دیده
  • 22. مدل‌های CNN برای تشخیص اشیاء
  • 23. شبکه‌های تشخیص اشیاء: YOLO و SSD
  • 24. شناسایی (Detection) و بخش‌بندی (Segmentation)
  • 25. مقدمه‌ای بر شبکه‌های عصبی بازگشتی (RNN)
  • 26. کاربرد RNN در دنباله‌های تصاویر
  • 27. شبکه‌های LSTM و GRU
  • 28. شبکه‌های مولد تخاصمی (GANs)
  • 29. معماری GAN برای تولید تصاویر
  • 30. آموزش GANها و چالش‌ها
  • 31. کاربرد GANها در افزایش و ویرایش تصاویر
  • 32. شبکه‌های عصبی کانولوشنی سه بعدی (3D CNNs)
  • 33. کاربرد 3D CNN در پردازش ویدئو
  • 34. شبکه‌های کانولوشنی کانفورمی (Confirmatory Convolutional Networks)
  • 35. شبکه‌های عصبی گرافی (GNNs) در پردازش تصویر
  • 36. کاربرد GNN در تحلیل تصاویر ماهواره‌ای
  • 37. یادگیری تقویتی (Reinforcement Learning) در بینایی ماشین
  • 38. کاربرد یادگیری تقویتی در رباتیک بصری
  • 39. مفسرپذیری (Interpretability) در مدل‌های یادگیری عمیق
  • 40. روش‌های توضیح‌پذیری مدل‌های CNN
  • 41. شناسایی ناهنجاری در تصاویر
  • 42. طبقه‌بندی تصاویر پزشکی
  • 43. تشخیص بیماری‌ها با CNN
  • 44. پردازش تصاویر پزشکی با GANs
  • 45. تحلیل و تفسیر تصاویر پزشکی
  • 46. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 47. پردازش متن با PyTorch
  • 48. شبکه‌های ترنسفورمر (Transformers)
  • 49. کاربرد ترنسفورمر در پردازش تصویر
  • 50. مدل‌های زبانی بزرگ (LLMs)
  • 51. کاربرد LLMs در تولید متن توصیفی تصاویر
  • 52. بینایی ماشین در رباتیک
  • 53. کنترل ربات با استفاده از یادگیری عمیق
  • 54. ناوبری ربات با بینایی ماشین
  • 55. سیستم‌های تشخیص چهره
  • 56. آموزش مدل‌های تشخیص چهره
  • 57. چالش‌های تشخیص چهره
  • 58. سیستم‌های تشخیص پلاک خودرو
  • 59. پردازش تصاویر پلاک خودرو
  • 60. استخراج اطلاعات از تصاویر
  • 61. واقعیت افزوده (Augmented Reality)
  • 62. توسعه برنامه‌های AR با PyTorch
  • 63. واقعیت مجازی (Virtual Reality)
  • 64. پردازش سیگنال‌های تصویری
  • 65. فیلترهای تصویر در PyTorch
  • 66. بهبود کیفیت تصاویر
  • 67. کاهش نویز در تصاویر
  • 68. فشرده‌سازی تصاویر با یادگیری عمیق
  • 69. مقدمه‌ای بر یادگیری بدون نظارت (Unsupervised Learning)
  • 70. خوشه‌بندی تصاویر
  • 71. کاهش ابعاد در یادگیری بدون نظارت
  • 72. خودرمزگذارها (Autoencoders)
  • 73. انواع خودرمزگذارها
  • 74. کاربرد خودرمزگذارها در کاهش ابعاد
  • 75. خودرمزگذارهای متغیر (Variational Autoencoders - VAEs)
  • 76. کاربرد VAEs در تولید تصاویر
  • 77. یادگیری عمیق در بازی‌ها
  • 78. توسعه عامل‌های هوشمند برای بازی‌ها
  • 79. کاربرد یادگیری عمیق در پزشکی قانونی
  • 80. تحلیل تصاویر صحنه جرم
  • 81. شناسایی تقلب در تصاویر
  • 82. سیستم‌های توصیه‌گر تصاویر
  • 83. تولید تصاویر هنری
  • 84. سبک‌دهی تصاویر (Style Transfer)
  • 85. شبکه‌های عصبی کانولوشنی معکوس (Deconvolutional Networks)
  • 86. کاربرد DeconvNets در بازسازی تصاویر
  • 87. پردازش تصاویر سه‌بعدی
  • 88. تحلیل داده‌های حجمی
  • 89. مدل‌سازی سه‌بعدی از تصاویر
  • 90. مقدمه‌ای بر یادگیری فعال (Active Learning)
  • 91. کاربرد یادگیری فعال در برچسب‌گذاری داده
  • 92. بهینه‌سازی معماری شبکه‌های عصبی
  • 93. جستجوی معماری عصبی (NAS)
  • 94. پیاده‌سازی مدل‌های CNN در سخت‌افزار
  • 95. بهینه‌سازی مدل‌ها برای دستگاه‌های موبایل
  • 96. مقدمه‌ای بر یادگیری چندوجهی (Multimodal Learning)
  • 97. ترکیب تصاویر و متن
  • 98. تحلیل احساسات از روی تصاویر
  • 99. کاربرد یادگیری عمیق در کشاورزی هوشمند
  • 100. تشخیص آفات و بیماری‌های گیاهی

📚 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.