آموزش رایگان تشخیص تصویر با یادگیری عمیق

یادگیری عمیق کمک شایانی به بهبود سیستم‌های تشخیص تصویر کرده است. امروزه از این سیستم‌ها برای همه‌چیز از جستجوی کتابخانه‌های تصویری گرفته تا تولید توضیحات متنی از عکس‌ها استفاده می‌شود. اما مگر یادگیری عمیق یا ...

4.2 (33 امتیاز)
7,600 دانشجو
مقدماتی
Adam Geitgey

Adam Geitgey

محتوای دوره
درباره دوره
نظرات کاربران
درباره استاد

محتوای دوره

8 فصل 33 جلسه 1:47 ساعت ویدیو
فصل اول: مقدمه
فصل دوم: نصب و راه‌اندازی Keras و Tensorflow
فصل سوم: طبقه‌بندی (classification) تصاویر
فصل چهارم: طراحی شبکه عصبی عمیق برای شناسایی تصاویر
فصل پنجم: ساخت و آموزش شبکه عصبی عمیق
فصل ششم: تنظیم درست شبکه عصبی قبل از آموزش
فصل هفتم: استفاده از apiهای تشخیص تصویر
فصل هشتم: نتیجه‌گیری

درباره دوره

یادگیری عمیق کمک شایانی به بهبود سیستم‌های تشخیص تصویر کرده است. امروزه از این سیستم‌ها برای همه‌چیز از جستجوی کتابخانه‌های تصویری گرفته تا تولید توضیحات متنی از عکس‌ها استفاده می‌شود. اما مگر یادگیری عمیق یا دیپ لرنینگ چیست که چنین امکانی را برای ما فراهم کرده است. یادگیری عمیق یکی از انواع یادگیری ماشین و هوش مصنوعی است که برای یادگیری موضوعات مختلف از کارکرد ذهن انسان تقلید می‌کند.

یادگیری عمیق با سه اقدام می‌تواند کار خود را برای تشخیص تصویر انجام دهد. در بخش اول با ثبت تصویر و حاشیه‌نویسی آن به گردآوری داده‌های آموزش می‌پردازد. در قسمت دوم آموزش مدل انجام می‌شود و در انتها دستگاه می‌تواند تصاویر جدید را پیش‌بینی کند؛ بنابراین راه تشخیص تصویر از آموزش یادگیری عمیق می‌گذرد.

در این دوره یاد می‌گیرید که چگونه یک شبکه عصبی عمیق ایجاد کنید که بتواند اشیا را در عکس‌ها تشخیص دهد. همچنین می‌آموزید که چگونه بدون نیاز به آموزش مجدد شبکه، شبکه عصبی عمیق را برای تشخیص اشیاء جدید تنظیم کنید. با گذراندن این دوره می‌توانید APIهای شناسایی تصویر مبتنی برابر را که گزینه دیگری برای ساخت سیستم‌هایتان هستند، کاوش کنید. علاوه بر این‌ها، مراحل مرتبط با شروع ساخت و گسترش سیستم تشخیص تصویر خود را فرا خواهید گرفت.

 

هدف از یادگیری دوره آموزش ریگان تشخیص تصویر با یادگیری عمیق چیست؟

دوره آموزش تشخیص تصویر با یادگیری عمیق اهداف زیر را دنبال می‌کند:

  • طبقه‌بندی تصاویر
  • طراحی سیستم‌های تشخیص تصویر
  • ایجاد یک شبکه عصبی عمیق
  • آموزش شبکه عصبی عمیق
  • اصلاح شبکه‌های عصبی از پیش آموزش‌دیده
  • استفاده از APIهای تشخیص تصویر
  • استقرار یک شبکه عصبی عمیق

 

دوره آموزش رایگان تشخیص تصویر با یادگیری عمیق مناسب چه کسانی است؟

  • دانشجویان و فارغ‌التحصیلان رشته برق و کامپیوتر
  • کسانی که به ایجاد و آموزش شبکه‌های عصبی عمیق علاقه دارند.
  • کسانی که برای شغل خود به سیستم‌های شناسایی چهره نیاز دارند.
  • مدیرانی که کسب‌وکارشان نیاز به دوربین‌های نظارتی دارد.

 

بعد از فراگیری دوره رایگان آموزش تشخیص تصویر با یادگیری عمیق چه مهارت‌هایی کسب خواهید کرد؟

  • زبان برنامه‌نویسی پایتون
  • یادگیری ماشین
  • کتابخانه‌های دیجیتال

 

پیش‌نیازهای لازم برای فراگیری دوره رایگان آموزش تشخیص تصویر با یادگیری عمیق چیست؟

برای اینکه بتوانید بهره کافی را از دوره آموزش تشخیص تصویر ببرید، باید با مفاهیم و مبانی یادگیری عمیق و یادگیری ماشین آشنایی کامل داشته باشید؛ بنابراین توصیه می‌کنیم قبل از شرکت در این مهارت‌های زیر را کسب کنید:

  • آشنایی با مقدمات برنامه‌نویسی
  • تسلط بر پایتون 3 که با استفاده از دوره‌های آموزش پایتون مکتب خونه می‌توانید به آن مسلط شود.
  • آموزش deep learning
  • آموزش machin learning

سرفصل‌های دوره آموزش رایگان تشخیص تصویر با یادگیری عمیق چیست؟

در دوره آموزش تشخیص تصویر پس از آشنایی مختصر با این سیستم‌ها و چگونگی نصب و راه‌اندازی نرم‌افزارهای مربوطه وارد مبحث اصلی می‌شوید. شما می‌توانید ساختمان شبکه عصبی را بدین منظور طراحی کرده و با لایه‌های مختلف آن آشنا شوید.

ساخت و آموزش شبکه عصبی و همچنین تنظیم شبکه‌های عصبی از قبل آموزش‌دیده از دیگر مباحث مهم مطرح در این دوره است. APIهای تشخیص تصویری وجود دارد که پس از شرکت در این دوره می‌توانید از آن‌ها بهره ببرید.

اطلاعات بیشتر

امتیاز و نظرات کاربران

4.2

از مجموع 33 امتیاز

11 نظر

1 سال پیش

این دوره خیلی عالی بود بهتر از این نمیشه. از مکتب خونه تشکر میکنم که این دوره را در اختیار عموم گذاشته است. توی منابع فارسی اصلا دوره ای با این کیفیت وجود نداره.

امیر هندیان پور

امیر هندیان پور

1 سال پیش

زیرنویس فارسی افتضاحه، اصلا بهش توجه نکنید. در فصل ۶ حواستون باشه که الان دیگه keras.preprocessing.image کار نمیکنه و همش توی tensorflow.keras.utils تعریف میشه.

زهراسادات شبیری

زهراسادات شبیری

1 سال پیش

با این که خلاصه و مختصر بود ولی از دوره های غیر رایگان بیرون بهتر توضیح داده بود! به شکل قابل فهمی کدها رو با دلایل استفاده ازشون، توضیح داد. دوره ای که من بیرون گذروندم مدرس خودش یک خط کد ننوشت! البته دوستان درمورد زیرنویس نظر منفی نوشته بودن که من در مورد زیرنویس نظری ندارم چون به زیرنویس نگاه نکردم.

دانشجوی دوره

2 سال پیش

سپاس گزارم از اینکه زحمت کشیدین و وقت گذاشتین و این دوره رو فراهم کردین و اون رو ترجمه نیز کردید و رایگان در اختیار کاربرا گذاشتین. خدا خیرتون بده ان شاء الله.

دانشجوی دوره

2 سال پیش

دوره بسیار خوبی هست و با تسلط کامل و بیان گیرا مطالب را تدریس کردند. لطفا دوره های دیگر Adam Geitgey را انتشار بدید. متشکرم از مکتب خونه

ریحانه غفوری پور

ریحانه غفوری پور

3 سال پیش

ممنون از استاد و کسانی که این سایت رو ساختن و محتوای آموزش خوب رو به دیگران میدن تا بهترین بهره از این ببرن

خالد صالحی

خالد صالحی

نظرات بیشتر

دوره‌های پیشنهادی

درباره استاد

Adam Geitgey
Adam Geitgey
1 دوره
7,600 دانشجو

آدام یک توسعه دهنده در حوزه نرم افزار بوده و شیفته تاثیرات یادگیری ماشین در حوزه توسعه نرم‌افزار می‌باشد.

او در استفاده از یادگیری ماشین در ساختن وب سایت‌های بزرگ و کار در شرکت‌های نوپا در سیلیکون‌ولی سابقه زیادی دارد. همچنین وی علاقه شدیدی در حوزه استفاده تئوری ها در یادگیری ماشین و اشتراک آن‌ها با توسعه دهندگان نرم‌افزار در همه سطوح مهارتی آن‌ها دارد.

اطلاعات بیشتر

سوالات پرتکرار

آیا ممکن است که درسی ناقص ضبط شده باشد؟

ما همواره تلاش کرده­‌ایم که دروس را به طور کامل ضبط نماییم و در اختیار شما دوستان قرار دهیم. اما گاهی برخی ناهماهنگی ها سبب می شود که یک یا تعدادی از جلسات یک درس ضبط نشود. توضیح این گونه نواقص در توضیح درس­ ها آمده است.

اگر لینک دانلود یا پخش ویدئو مشکل داشت چه باید کرد؟

در صورتی که با هر گونه مشکلی رو به رو شدید می توانید از طریق صفحه ارتباط با ما به ما اطلاع دهید تا ما سریعا مشکل را پیگیری و برطرف نماییم.

آیا امکان دریافت فیلم های یک درس به صورت سی دی یا دی وی دی وجود دارد؟

در حال حاضر امکان ارسال دروس به صورت سی دی یا دی وی دی وجود ندارد.