×
ribbon

تا پایان تخفیف

آموزش پردازش تصویر و بینایی ماشین با OpenCV

مدرس:

علیرضا اخوان‌پورکلاس ویژن

OpenCV یا Open Computer Vision Library به مجموعه ای از کتابخانه های برنامه نویسی پردازش تصویر و بینایی... بیشتر
محبوب کاربران
گواهی‌نامه
دسترسی: کامل
اطلاعات بیشتر
4.7 (158)
54 دیدگاه
10,046دانشجو
70ساعت
سرفصل‌ها
مقدماتی سطح دوره

اشتراک مکتب‌پلاس

خرید اشتراک

با خرید اشتراک مکتب‌پلاس، علاوه بر این دوره، به بیش از ۴،۰۰۰ دوره دیگر دسترسی خواهید داشت.

دسترسی به تمام دوره‌هابیش از ۴،۰۰۰ دوره
محتوای دوره
سرفصل‌ها
پیش‌نیاز‌ها
توضیحات دوره
دیدگاه کاربران
درباره مدرس

این دوره شامل:

21 ساعت ویدئو

46 تمرین و پروژه

26 سؤال سنجش و یادگیری

1 فایل ضمیمه قابل دانلود

دسترسی به تالار گفتگو

گواهینامه مکتب‌خونه

دسترسی مادام‌العمر به محتوای دوره

11 هفته مهلت ارسال تمرین و پروژه

سرفصل‌های دوره

11 فصل140 جلسه21 ساعت ویدیو
فصل اول: پیشگفتار
  بینایی کامپیوتر و تفاوت آن با پردازش تصویر و بینایی ماشین
07:14
  تاریخچه‌ی بینایی کامپیوتر
06:59
  کاربردهای بینایی کامپیوتر
10:25
  مباحث و سرفصل‌های دوره
14:19
  کوییز مقدمه‌ای بر بینایی کامپیوتر
01:00
فصل دوم: شروع کار با OpenCV در پایتون
  خواندن، ذخیره‌کردن و نمایش ویدیو
16:44
  تصاویر خاکستری (Gray Scale)
18:42
  بریدن یک ناحیه از تصویر
05:55
  کوییز مقدمه‌ای بر تصاویر
01:00
  تمرین اول: برش تصویر (الزامی)
60:00
  فضاهای رنگی _ جداکردن و ادغام کانالهای رنگی
12:26
  فضاهای رنگی _ تغییر مقادیر هر کانال
11:42
  فضاهای رنگی – فضای رنگی HSV
10:45
  کوییز مقدمه‌ای بر فضاهای رنگی
01:00
  درک کانال آلفا و ترنسپرنتسی (Transparent)
08:46
  عملیات بیتی، ماسک کردن تصویر و ایجاد یک تصویر PNG
11:01
  کوییز عملیات پایه روی تصاویر و درک تصاویر Transparent
01:00
  تمرین دوم: عملیات پایه روی تصاویر (الزامی)
60:00
  رسم اشکال روی تصویر
14:15
  نوشتن متون فارسی و انگلیسی روی تصویر
14:26
  تمرین سوم: رسم اشکال (الزامی)
60:00
  عملیات ریاضی (Arithmetic Operations)
14:12
  عملیات ریاضی روی تصاویر
01:00
  تنظیم روشنایی و کنتراست (با توابع خطی)
09:23
  تحلیل هیستوگرام تصویر و مشکل روش خطی تنظیم روشنایی و کنتراست
08:30
  تنظیم روشنایی و کنتراست (با تصحیح گاما)
11:27
  کوییز تنظیم روشنایی و تضاد تصویر
02:00
  تمرین چهارم: روشن‌کردن تصویر (الزامی)
60:00
فصل سوم: خواندن و نوشتن ویدئو و ایجاد رابط کاربری گرافیکی
  رویداد کلیک ماوس
10:10
  سایر رویدادهای ماوس و رویدادهای صفحه کلید
08:22
  ایجاد یک برنامه‌ی ساده رسم نظیر قلم در paint
09:39
  ایجاد یک برنامه برای annotate کردن اشیاء تصویر
07:52
  تمرین پنجم: رابط کاربری گرافیکی و کالبک در OpenCV (الزامی)
60:00
  استفاده از Trackbar برای دریافت یک مقدار پیوسته از کاربر
10:09
  تمرین ششم: برنامه‌ ساده paint (الزامی)
60:00
  استفاده از وبکم
07:43
  خواندن فایل ویدیویی
05:22
  ذخیره‌کردن یک ویدیو در فایل
09:42
  کار با پروتکل RTSP و دوربین‌های مداربسته (CCTV)
03:30
  اسکرین صفحه به عنوان ویدیوی ورودی OpenCV
04:01
  خواندن ویدیو از یوتیوب و کار با گوگل‌کولب
12:57
  تمرین هفتم: خواندن و ذخیره کردن ویدیو و کار با انواع ورودی‌های ویدیویی نظیر دوربین مداربسته و وبکم (الزامی)
60:00
فصل چهارم: پردازش تصاویر باینری
  کاربردها
05:30
  حد آستانه گذاری یا Thresholding و باینری کردن تصویر
14:45
  کوییز آستانه گذاری
01:00
  روش Otsu برای پیداکردن خودکار حد آستانه - بخش تئوری
04:46
  پیاده‌سازی روش Otsu در پایتون
11:46
  آستانه‌گذاری تطبیقی
07:55
  کوییز روش‌های آستانه گذاری
02:00
  تمرین هشتم: آستانه‌گذاری (الزامی)
60:00
  مفاهیم dilation و erosion
03:54
  گسترش یا انبساط (Dilation)
05:39
  کوییز عملیات Dilation
02:00
  فرسایش (Erosion)
04:19
  عملیات Opening
03:35
  عملیات Closing
06:00
  پیاده‌سازی عملیات مورفولوژی در پایتون
10:59
  hit-or-miss (اختیاری)
06:19
  مثال حذف خطوط افقی با عملیات مورفولوژی
09:19
  کوییز عملیات مورفولوژی
02:00
  مفاهیم تحلیل مولفه‌های متصل
04:34
  پیاده سازی تحلیل مولفه‌های متصل
10:58
  تمرین نهم: تحلیل مولفه‌های متصل (الزامی)
60:00
  یافتن Contour
07:12
  تخمین Contour
05:22
  پوشش محدب (Convex hull)
06:32
  کوییز پوشش محدب
01:00
  به دست‌‌آوردن دایره و مستطیل دربرگیرنده‌ی کانتورها
07:42
  محاسبه مساحت، moment و مرکز کانتور و سورت‌کردن اشکال
07:19
  الگوریتم Douglas-Peucker و تشخیص اشکال هندسی
11:33
  مثال تشخیص نواحی کلمات
06:34
  مثال شمارش سکه
08:42
  تمرین دهم: تحلیل کانتور (Contour) (الزامی)
60:00
  تشخیص blob
10:56
  سایر کاربردهای مورفولوژی
02:36
  تشخیص اسم اشیاء هندسی
01:00
فصل پنجم: بهبود تصویر و فیلترگذاری روی تصاویر
  فیلترگذاری روی تصویر با رنگ
06:32
  دستور Inrange در OpenCV برای فیلتر‌کردن رنگ
08:39
  مثال فیلترکردن رنگ آبی در ویدیو
06:41
  بررسی سایر فضاهای رنگی
10:39
  مثال تکنیک حذف پرده سبز
07:23
  مثال حذف پرده سبز با روشی دیگر و بررسی روی ویدیو
06:54
  مثال pop-effect
08:09
  خوشه بندی یا Clustering
07:44
  پیداکردن رنگ‌های غالب با خوشه‌بندی
12:47
  کوییز فضاهای رنگی
01:00
  بهبود نمایش رنگ‌های غالب
06:51
  تمرین یازدهم: فضاهای رنگی و مقدمات خوشه‌بندی (الزامی)
60:00
  هیستوگرام تصویر
14:47
  پیداکردن رنگ‌های غالب با هیستوگرام
08:20
  یکنواخت‌سازی هیستوگرام و بهبود کنتراست تصویر
08:56
  الگوریتم CLAHE: روش پیشرفته یکنواخت‌سازی هیستوگرام
07:53
  مقایسه هیستوگرام‌ها و نرمال‌کردن هیستوگرام
14:14
  تمرین دوازدهم: افزایش کنتراست متن (الزامی)
60:00
  تصویر به عنوان یک تابع
05:13
  حذف نویز تصویر با میانگین‌ متحرک (moving average)
10:11
  تفاوت کانولوشن و کرولیشن و مات‌کردن تصویر
08:06
  فیلتر غیرخطی میانه (median)
03:09
  پیاده سازی حذف نویز و مات کردن تصویر در پایتون
08:38
  فیلتر Sharpening
05:45
  پیاده‌سازی فیلتر sharpening در پایتون
03:25
  تمرین سیزدهم: فیلترگذاری روی تصویر و کانولوشن (الزامی)
60:00
  لبه در تصویر چیست؟!
03:16
  مفهوم گرادیان تصویر
15:02
  یک فیلتر لبه‌یابی (edge detection)
08:03
  پیاده‌سازی لبه‌یابی در پایتون
12:55
  فیلتر Sobel
06:58
  فیلتر لاپلاس یا Laplacian Filter
08:11
  الگوریتم لبه‌یابی Canny
09:09
  کوییز لبه‌یابی
01:00
  پیاده‌سازی لبه‌یابی Canny
05:00
  تشخیص میزان مات‌بودن تصویر (فوکوس خودکار)
05:28
  پروژه اول: تشخیص پوست انسان (الزامی)
360:00
فصل ششم: پردازش تصویر پیشرفته و عکاسی محاسباتی
  کاربردهای تبدیل Hough
02:41
  تئوری تشخیص خط با استفاده از تبدیل هاف
13:25
  پیاده‌سازی تشخیص خط با استفاده از تبدیل هاف
07:55
  مثال تشخیص عقربه‌های یک ساعت با تبدیل هاف
10:30
  تئوری تشخیص دایره با استفاده از تبدیل هاف
03:56
  پیاده‌سازی تشخیص دایره با استفاده از تبدیل هاف
12:24
  مفاهیم و پیاده‌سازی دامنه داینایکی بالا (HDR)
11:24
  روش Seamless Cloning
10:02
  پیاده‌سازی Image Inpainting و مثال‌های ترمیم تصویر قدیمی، حذف واترمارک روی تصویر و حذف جوش
07:59
  رفع مشکل نور زیاد در یک ناحیه
03:32
  کوییز پردازش تصویر پیشرفته و عکاسی محاسباتی
02:00
فصل هفتم: تبدیل‌های هندسی و ویژگی‌های تصویر
  تبدیلات هندسی خطی (چرخش، تغییر سایز و کج‌کردن)
13:24
  تبدیلات افاین (Affine Transformation)
06:20
  جابه‌جایی و چرخواندن تصاویر با تبدیلات هندسی
08:17
  چرخواندن تصویر با مرکزیتی متفاوت
03:37
  تغییر اندازه تصاویر
08:28
  تبدیل Projective
03:28
  محاسبه ماتریس تبدیل Affine با داشتن 3 نقطه
05:07
  کوییز تبدیل Affine
01:00
  هموگرافی و محاسبه ماتریس تبدیل Perspective با 4 نقطه
05:49
  کوییز تبدیل های هندسی
02:00
  تمرین چهاردهم: تبدیل‌های هندسی (الزامی)
60:00
  پبداکردن گوشه‌ها به روش Harris
13:22
  پیاده‌سازی روش Harris
07:08
  پیداکردن گوشه‌ها با روش Shi-Tomasi
04:46
  کوییز تفاوت الگوریتم Shi-Tomasi با Harris
01:00
  نقاط کلیدی مورد علاقه (interest point) و الگوریتم SIFT
09:51
  ادامه الگوریتم SIFT و مفهوم Scale-Space
09:55
  پیاده‌سازی الگوریتم SIFT
12:31
  الگوریتم ORB
04:51
  تطبیق ویژگی‌ها
12:41
  مثال تشخیص اسکناس با داشتن اسکناس نمونه
13:48
  ایجاد تصاویر پاناروما
05:22
  تمرین پانزدهم: تبدیل‌های هندسی و ویژگی‌های تصویر (الزامی)
120:00
فصل هشتم: بخش‌بندی و بازشناسی تصویر
  بخش‌بندی تصویر با استفاده از GrabCut
14:03
  مقدمه‌ای بر یادگیری ماشین
08:21
  یادگیری نظارت‌شده – طبقه‌بندی
07:45
  مثال طبقه‌بندی ارقام دست‌نویس فارسی
15:45
  مثال‌های طبقه‌بندی ارقام دس‌تنویس انگلیسی و حروف انگلیسی
14:36
  طبقه‌بندی SVM
05:41
  الگوریتم HOG
14:33
  پیاده‌سازی HOG در پایتون
13:16
  تشخیص عابر پیاده با HOG
13:26
  روش تشخیص اشیاء voila jones به همراه مثال تشخیص چهره و چشم‌ها
13:11
  کوییز بخش‌بندی و بازشناسی تصویر
02:00
فصل نهم: تحلیل ویدئو
  Sparse Optical Flow
13:54
  Dense Optical Flow
09:25
  تفریق پس‌زمینه و شناسایی اشیا متحرک
04:51
  ردیابی با الگوریتم‌های Meanshift و Camshift
10:07
  ردیابی اشیاء در OpenCV
13:19
  ردیابی چند شئ‌ای (Multi-object tracking)
09:58
  تمرین شانزدهم: تحلیل ویدئو (الزامی)
180:00
فصل دهم: یادگیری عمیق با OpenCV
  یادگیری‌عمیق و تفاوت آن با یادگیری ماشین و هوش مصنوعی
11:16
  معرفی چالش Image-net و Caffe model zoo
06:30
  لود کردن مدل قبلاً آموزش داده شده از Caffe
15:16
  لود کردن مدل قبلاً آموزش داده شده از TensorFlow
05:42
  لودکرن مدل تشخیص اشیاء از فریم‌ورک TensorFlow
12:01
  شناسایی چهره با YuNet
13:09
  بازشناسی چهره عمیق
16:30
  مدل OpenPose
14:20
  مدل Mask R-CNN برای تشخیص اشیاء و بخش‌بندی تصویر
10:52
  کوییز سگمنت‌کردن تصویر
01:00
  تمرین هفدهم: یادگیری عمیق با OpenCV (الزامی)
120:00
  پروژه دوم: یادگیری عمیق با OpenCV (الزامی)
900:00

پیش‌نیاز‌ها

دوره آموزش پردازش تصویر و بینایی ماشین با OpenCv به نحوی تهیه شده است که گروه‌های زیادی بتوانند از این دوره استفاده کنند و از آموزش‌های این دوره بهره‌مند شوند. برای درک بهتر موضوعات مطرح شده در این دوره نیاز است شرکت‌کنندگان با موضوعات زیر به عنوان پیش‌نیاز آشنایی داشته باشند:

  • آشنایی با مفاهیم برنامه نویسی
  • آشنایی با زبان پایتون و کتابخانه Numpy 

توضیحات دوره

OpenCV یا Open Computer Vision Library به مجموعه‌ای از کتابخانه‌های برنامه‌نویسی پردازش تصویر و بینایی ماشین گفته می‌شود. OpenCV که بیشتر روی پردازش تصویر Real time یا بی‌درنگ متمرکز است دارای بیش از 2500 الگوریتم بهینه شده شامل مجموعه‌ای جامع از الگوریتم‌های بینایی کامپیوتر و یادگیری ماشین است. OpenCV کتابخانه‌ای چندسکویی است که توسط سیستم عامل‌های گوناگونی همچون ویندوز، لینوکس، Mac Os، IOS و اندروید پشتیبانی می‌شود. همچنین OpenCV دارای رابط برنامه‌نویسی به زبان‌های C++ ، C، پایتون، جاوا و متلب نیز هست.

دوره آموزش پردازش تصویر و بینایی ماشین با OpenCV برای ایجاد یک پایه قوی در بینایی کامپیوتر طراحی شده است. در این دوره شما درک کاملی از تقریبا تمام ابزارهای OpenCV برای پردازش تصویر، بینایی کامپیوتری، پردازش ویدئو و اصول اولیه هوش مصنوعی خواهید داشت.

تمامی مفاهیم آموزش داده شده در این دوره در پایتون پیاده‌سازی شده و اگر می‌خواهید به‌صورت کامل با این حوزه آشنا شوید، پیشنهاد می‌کنیم دسته بندی آموزش پردازش تصویر با پایتون را نیز مشاهده کنید.

دوره پیش رو شامل مباحث تئوری به همراه پیاده‌سازی‌های عملی است. دوره پیش رو شامل مباحث تئوری به همراه پیاده‌سازی های عملی است. به این ترتیب به کمک دوره آموزش بینایی ماشین و پردازش تصویر می‌توانید علاوه بر یادگیری موضوعات و مباحث ارائه شده به صورت تئوری، در محیطی عملی نیز آموخته‌های خود را مورد ارزیابی قرار دهید و به این ترتیب دانش خود در این زمینه را کامل‌تر از گذشته کنید.

از جمله موضوعات مورد بحث در این دوره می‌توان به موارد زیر اشاره کرد:

  • مفاهیم پایه‌ی تصویر و بینایی کامپیوتر
  • کار با ویدیو و ایجاد رابط گرافیکی در OpenCV
  • ایجاد و تحلیل تصاویر باینری
  •  بهبود تصویر و فیلترگذاری روی تصاویر
  • پردازش تصویر پیشرفته و عکاسی محاسباتی
  •  تبدیل‌های هندسی و ویژگی‌های تصویر
  • شناسایی و تشخیص چهره
  • بخش‌بندی و بازشناسی تصویر
  • تحلیل ویدئو
  • یادگیری عمیق در OpenCV

هدف از برگزاری دوره آموزش پردازش تصویر و بینایی ماشین با OpenCv چیست؟

هدف اصلی دوره آموزش پردازش تصویر و بینایی ماشین با OpenCv آموزش مباحث مربوط به مبانی بینایی کامپیوتر و بررسی مفهوم پردازش تصویر است. دوره آموزش جامع پردازش تصویر و بینایی ماشین با OpenCv به منظور بررسی همه جانبه مفاهیم مربوط به بینایی کامپیوتر و پردازش تصویر تهیه و منتشر شده است.

معمولا هر دهه یا چند دهه یکبار، یک سونامی تکنولوژیکی رخ می‌دهد که صنایع مختلف را دست خوش تغییر کرده و آنها را متحول می‌کند. هوش مصنوعی (AI) نیز موجی است که دنیای فناوری امروز را فرا گرفته است. اگر می خواهید به این انقلاب بپیوندید اما هنوز مهارت لازم را ندارید، این دوره برای شما مناسب خواهد بود.

دوره آموزش پردازش تصویر و بینایی ماشین با OpenCv برای چه کسانی مناسب است؟

در تمام مراحل تهیه و تولید دوره آموزش پردازش تصویر و بینایی ماشین با OpenCv سعی شده است که آموزش‌های ارائه شده در این دوره برای همه علاقه‌مندان کارآمد و مفید باشند. به طور مشخص دوره آموزش پردازش تصویر با OpenCv برای گروه‌های زیر تهیه شده است:

  • تمامی افراد علاقه مند به هوش مصنوعی و بینایی کامپیوتر
  • دانشجویان و مهندسان برق و کامپیوتر
  • افرادی که در زمینه رباتیک مشغول به کار و تحقیق هستند
  • محققان حوزه بینایی کامیپوتر و یادگیری عمیق

دیدگاه کاربران

4.7

بر اساس امتیاز 158 دانشجو

1
2
3
4
5

دانشجوی دوره

3 روز پیش

5

aliiiii

محمدحسین رضابکلو

13 روز پیش

5

خوبه

نوید نعمت زاده

15 روز پیش

5

دوره جامع و عالی بود

غزل صفرعلی

15 روز پیش

5

دوره کامل و خوبی بود

روح الله رستادی پورک

16 روز پیش

5

عالی و کامل

طاها مختاری

21 روز پیش

5

خیلی عالی

گواهینامه اختصاصی دو زبانه

پس از گذراندن دوره به صورت آنلاین در سایت مکتب‌خونه، گواهی‌نامه رسمی پایان دوره به زبان فارسی و انگلیسی، توسط مکتب‌خونه به اسم شما صادر شده و در اختیار شما قرار می‌گیرد.

امکان اشتراک گذاری در لینکدین
دو زبانه
علیرضا اخوان‌پورمدرس و متخصص هوش مصنوعی
12دوره
56,632دانشجو
1,183نظر و امتیاز

علیرضا اخوان‌پور، متخصص برجسته در حوزه هوش مصنوعی و یادگیری عمیق، با بیش از ۱۰ سال سابقه تدریس و فعالیت حرفه‌ای، یکی از چهره‌های شناخته‌شده در این حوزه است. او علاوه بر سابقه ۷ سال مدیریت فنی در مجموعه دانش‌بنیان شناسا، در طراحی و پیاده‌سازی چندین پروژه عملی در زمینه پردازش تصویر، بینایی کامپیوتر و مدل‌های یادگیری عمیق نقش کلیدی داشته است.

از سال ۱۳۹۴ به عنوان مدرس در دانشگاه شهید رجایی فعالیت خود را آغاز کرد و از سال ۱۳۹۵ به طور تخصصی در حوزه هوش مصنوعی و یادگیری عمیق به تدریس مشغول است. در کنار تدریس، او چاپ مقالات بین‌المللی و داوری بیش از ۱۰ مقاله علمی را نیز در کارنامه دارد و تجربه عملی خود را با پیاده‌سازی پروژه‌های صنعتی و پژوهشی موفق ترکیب کرده است.

حضور او در محیط‌های آکادمیک با ارائه ورکشاپ در دانشگاه‌های امیرکبیر، شریف و تهران همراه بوده و دوره‌های تخصصی خود را در جهاد دانشگاهی شریف، دانشگاه تهران و سازمان‌های بزرگی مانند معاونت علمی و فناوری ریاست جمهوری، صندوق نوآوری و شکوفایی، همراه اول و دیجی‌کالا برگزار کرده است. همچنین در حوزه بانکی و تلکام، دوره‌های تخصصی برای کارکنان بانک‌های قوامین، سپه و صادرات و همراه اول و ایبیکام ارائه کرده و مدرس رویداد علم داده ایرانسل بوده است.

او در سایت مکتب‌خونه نیز دوره‌های پرمخاطبی در زمینه LLM، یادگیری عمیق، پردازش تصویر و OpenCV ضبط کرده که تجربه عملی گسترده او در پروژه‌های واقعی را نیز پوشش می‌دهند.

علیرضا اخوان‌پور به عنوان منتور و مشاور هوش مصنوعی با شتاب‌دهنده همتک و شرکت‌های معتبر مانند همراه اول و ایبیکام همکاری داشته و مدیریت سایت تخصصی Class.Vision را بر عهده دارد، که در زمینه هوش مصنوعی، یادگیری عمیق، بینایی کامپیوتر و یادگیری ماشین فعالیت می‌کند.

حضور موثر او در رویدادهای مهم مانند کنفرانس MVIP، فیس کاپ، داده ایرانسل و من برنامه‌نویسم و تولید محتوا در آکادمی همراه اول، مکتب‌خونه، کلاس ویژن و نماتک، به همراه تجربه عملی در چندین پروژه صنعتی و پژوهشی موفق، نقش برجسته او در گسترش دانش و کاربرد هوش مصنوعی در کشور را نشان می‌دهد.

کلاس ویژنسایت تخصصی برای دوره‌های هوش مصنوعی، دیپ لرنینگ، بینایی کامپیوتر و یادگیری ماشین
8دوره
53,440دانشجو
1,151نظر و امتیاز

کلاس‌ویژن، یک سایت تخصصی برای دوره‌های هوش مصنوعی، دیپ لرنینگ، بینایی کامپیوتر و یادگیری ماشین است.

مهارت‌هایی که می‌آموزید

دوره‌های مشابه

دیگر دوره‌های علیرضا اخوان‌پور

دیگر دوره‌های کلاس ویژن

سوالات پرتکرار

آیا گواهی‌نامه‌های دانشگاهی به‌صورت رسمی و توسط خود دانشگاه صادر می‌شوند؟

بله. گواهی‌نامه‌ها به‌صورت رسمی توسط دانشگاه مربوطه و با امضای رئیس دانشگاه یا فرد دارای اختیار صادر می‌شوند و کاملا معتبر هستند.

حداقل و حداکثر زمانی که می‌توانم یک دوره را بگذرانم چقدر است؟

برای گذراندن دوره، حداقل زمان مشخصی وجود ندارد و شما می‌توانید در هر زمان که مایل هستید، ویدیوهای آموزشی دوره را ببینید و تمارین را انجام دهید؛ اما برای هر دوره یک حداکثر زمان تعیین شده که در صفحه معرفی دوره قابل مشاهده است که تنها در این بازه زمانی امکان تصحیح پروژه‌ها توسط پشتیبان و دریافت گواهی‌نامه را خواهید داشت.

آیا پس از به اتمام رساندن و قبولی در دوره، می‌توانم نسخه فیزیکی گواهی‌نامه را دریافت کنم؟

خیر. به‌دلیل ملاحظات محیط‌زیستی و کاهش مصرف کاغذ، گواهی‌نامه فقط به‌صورت الکترونیکی ارائه می‌شود.

آیا بعد از پایان مدت دوره همچنان به محتوای آن دسترسی دارم؟

بله. پس از پایان مدت دوره نیز به ویدئوها، تمرین‌ها، پروژه‌ها و سایر محتوای آموزشی دوره دسترسی خواهید داشت؛ اما امکان تصحیح تمرین‌ها توسط پشتیبان دوره و دریافت گواهی‌نامه برای شما وجود نخواهد داشت.

آیا در صورت خرید دوره، گواهی‌نامه آن به من تعلق می‌گیرد؟

خیر. با خرید دوره، امکان شرکت در دوره و دسترسی به محتوای آن را خواهید داشت؛ اما تنها در صورتی که در بازه زمانی تعیین‌شده دوره را با موفقیت و نمره قبولی به اتمام برسانید، گواهی‌نامه به نام شما صادر می‌شود.