سپنتا کتاب اکسپرس
کتاب ساخت و آموزش شبکه‌های کانولوشنال با تنسرفلو برای پردازش تصویر

کتاب ساخت و آموزش شبکه‌های کانولوشنال با تنسرفلو 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 ساخت و آموزش شبکه‌های کانولوشنال با تنسرفلو برای پردازش تصویر

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: شبکه‌های عصبی عمیق

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر پردازش تصویر با هوش مصنوعی
  • 2. اصول اولیه شبکه‌های عصبی
  • 3. مبانی یادگیری ماشین
  • 4. معرفی تنسرفلو
  • 5. نصب و راه‌اندازی تنسرفلو
  • 6. ساختار داده‌ها در تنسرفلو (تنسورها)
  • 7. عملیات پایه روی تنسورها
  • 8. آموزش و اعتبارسنجی مدل‌ها
  • 9. مقدمه‌ای بر شبکه‌های کانولوشنال (CNN)
  • 10. کاربرد CNN در پردازش تصویر
  • 11. لایه‌های کانولوشن (Convolutional Layers)
  • 12. فیلترها و کرنل‌ها در CNN
  • 13. عملکرد لایه‌های کانولوشن
  • 14. لایه‌های پولینگ (Pooling Layers)
  • 15. انواع لایه‌های پولینگ (Max Pooling, Average Pooling)
  • 16. کاربرد لایه‌های پولینگ
  • 17. لایه‌های فعال‌سازی (Activation Functions)
  • 18. تابع فعال‌سازی ReLU
  • 19. توابع فعال‌سازی دیگر (Sigmoid, Tanh)
  • 20. لایه‌های تمام‌متصل (Fully Connected Layers)
  • 21. ساختار کلی یک شبکه کانولوشنال
  • 22. پیاده‌سازی CNN ساده در تنسرفلو
  • 23. مجموعه داده‌های استاندارد پردازش تصویر (MNIST, CIFAR-10)
  • 24. پیش‌پردازش داده‌های تصویری
  • 25. تکنیک‌های افزایش داده (Data Augmentation)
  • 26. تعریف معماری CNN با Keras API
  • 27. آموزش مدل CNN با داده‌های تصویری
  • 28. ارزیابی عملکرد مدل CNN
  • 29. تنظیم هایپرپارامترها (Hyperparameter Tuning)
  • 30. بهینه‌سازها (Optimizers) در تنسرفلو
  • 31. تابع هزینه (Loss Functions) برای طبقه‌بندی تصویر
  • 32. متریک‌های ارزیابی (Accuracy, Precision, Recall)
  • 33. شبکه‌های کانولوشنال عمیق
  • 34. معماری LeNet-5
  • 35. معماری AlexNet
  • 36. معماری VGGNet
  • 37. معماری GoogLeNet (Inception)
  • 38. معماری ResNet
  • 39. کاربرد CNN برای تشخیص اشیاء
  • 40. مقدمه‌ای بر شبکه‌های مولد تخاصمی (GAN)
  • 41. معماری‌های GAN برای تولید تصویر
  • 42. کاربرد GAN در پردازش تصویر
  • 43. مقدمه‌ای بر شبکه‌های عصبی بازگشتی (RNN)
  • 44. کاربرد RNN در پردازش توالی تصاویر
  • 45. شبکه‌های LSTM و GRU
  • 46. شبکه‌های کانولوشنال سه‌بعدی (3D CNN)
  • 47. کاربرد 3D CNN در پردازش ویدئو
  • 48. تکنیک‌های انتقال یادگیری (Transfer Learning)
  • 49. استفاده از مدل‌های از پیش آموزش‌دیده
  • 50. تنظیم دقیق (Fine-tuning) مدل‌های از پیش آموزش‌دیده
  • 51. شبکه‌های کانولوشنال برای تقسیم‌بندی تصویر (Image Segmentation)
  • 52. معماری U-Net
  • 53. معماری Mask R-CNN
  • 54. کاربرد شبکه‌های کانولوشنال در تشخیص لبه
  • 55. کاربرد شبکه‌های کانولوشنال در تشخیص الگو
  • 56. شبکه‌های کانولوشنال برای کاهش نویز تصویر
  • 57. شبکه‌های کانولوشنال برای افزایش وضوح تصویر (Super-resolution)
  • 58. مقدمه‌ای بر یادگیری تقویتی (Reinforcement Learning)
  • 59. کاربرد یادگیری تقویتی در پردازش تصویر
  • 60. ملاحظات اخلاقی در هوش مصنوعی و پردازش تصویر
  • 61. حریم خصوصی در داده‌های تصویری
  • 62. امنیت مدل‌های یادگیری ماشین
  • 63. تفسیرپذیری مدل‌های CNN (Explainable AI)
  • 64. ابزارهای بصری‌سازی لایه‌های CNN
  • 65. شناسایی ویژگی‌های استخراج شده توسط CNN
  • 66. بهینه‌سازی مدل‌های CNN برای استقرار
  • 67. استقرار مدل‌های CNN روی دستگاه‌های موبایل
  • 68. استقرار مدل‌های CNN روی وب
  • 69. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 70. کاربرد CNN در NLP
  • 71. شبکه‌های ترنسفورمر (Transformers)
  • 72. کاربرد ترنسفورمرها در پردازش تصویر
  • 73. شبکه‌های کانولوشنال برای پردازش سه‌بعدی
  • 74. کاربرد CNN در پزشکی (تصویربرداری پزشکی)
  • 75. تشخیص بیماری‌ها با استفاده از CNN
  • 76. تحلیل تصاویر رادیولوژی با CNN
  • 77. تحلیل تصاویر MRI با CNN
  • 78. تحلیل تصاویر CT Scan با CNN
  • 79. تشخیص سرطان با CNN
  • 80. کاربرد CNN در حوزه کشاورزی
  • 81. تحلیل تصاویر ماهواره‌ای با CNN
  • 82. تشخیص آفات با CNN
  • 83. کاربرد CNN در صنعت خودروسازی
  • 84. خودروهای خودران و پردازش تصویر
  • 85. سیستم‌های تشخیص عابر پیاده با CNN
  • 86. سیستم‌های تشخیص علائم راهنمایی با CNN
  • 87. کاربرد CNN در نظارت تصویری
  • 88. تشخیص چهره با CNN
  • 89. سیستم‌های تشخیص رفتارهای مشکوک با CNN
  • 90. استفاده از CNN در رباتیک
  • 91. بینایی ماشین در ربات‌ها
  • 92. کاربرد CNN در بازی‌های کامپیوتری
  • 93. تولید محتوای گرافیکی با CNN
  • 94. کاربرد CNN در تحلیل شبکه‌های اجتماعی
  • 95. تحلیل تصاویر اشتراک‌گذاری شده
  • 96. شناسایی محتوای نامناسب با CNN
  • 97. مقدمه‌ای بر یادگیری چندوجهی (Multimodal Learning)
  • 98. ترکیب CNN با مدل‌های دیگر
  • 99. یادگیری از ترکیب متن و تصویر
  • 100. مروری بر آخرین پیشرفت‌ها در CNN

📚 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.