×
ribbon

آموزش پردازش تصویر و بینایی ماشین با OpenCV

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 ... ادامه

برگزارکننده:  مکتب‌خونه  مکتب‌خونه
4.7 (34 رای)
سطح: مقدماتی
 پلاس
  
زمان مورد نیاز برای گذارندن دوره:  70 ساعت
مجموع محتوای آموزشی:  21 ساعت ویدئو - 49 ساعت تمرین و پروژه
 (قابل دانلود می‌باشد)
مهلت دوره:  11 هفته
  
حد نصاب قبولی در دوره:  75 نمره
فارغ‌التحصیل شدن در این دوره نیاز به ارسال تمرین‌ها و پروژه‌های الزامی دارد. 
organization-pic  گواهینامه این دوره توسط مکتب‌خونه ارائه می‌شود.
course-feature   گواهی‌نامه مکتب‌خونه course-feature   خدمات منتورینگ course-feature   پروژه محور course-feature   تمرین و آزمون course-feature   تالار گفتگو course-feature   تسهیل استخدام

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 

سرفصل‌های دوره آموزش پردازش تصویر و بینایی ماشین با OpenCV

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
 100%    
"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
 3%    
"01:00  
  تمرین اول: برش تصویر (الزامی)
 18.2%    
"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
 3%    
"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
 3%    
"01:00  
  تمرین دوم: عملیات پایه روی تصاویر (الزامی)
 18.2%    
"60:00  
  رسم اشکال روی تصویر
"14:15  
  نوشتن متون فارسی و انگلیسی روی تصویر
"14:26  
  تمرین سوم: رسم اشکال (الزامی)
 18.2%    
"60:00  
  عملیات ریاضی (Arithmetic Operations)
"14:12  
  عملیات ریاضی روی تصاویر
 3%    
"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
 9.1%    
"02:00  
  تمرین چهارم: روشن‌کردن تصویر (الزامی)
 24.2%    
"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)
 33.3%    
"60:00  
  استفاده از Trackbar برای دریافت یک مقدار پیوسته از کاربر
"10:09  
  تمرین ششم: برنامه‌ ساده paint (الزامی)
 33.3%    
"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)
 33.3%    
"60:00  
فصل چهارم: پردازش تصاویر باینری
  کاربردها
"05:30  
  حد آستانه گذاری یا Thresholding و باینری کردن تصویر
"14:45  
  کوییز آستانه گذاری
 2.9%    
"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
 8.6%    
"02:00  
  تمرین هشتم: آستانه‌گذاری (الزامی)
 22.9%    
"60:00  
  مفاهیم dilation و erosion
"03:54  
  گسترش یا انبساط (Dilation)
"05:39  
  کوییز عملیات Dilation
 8.6%    
"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
 5.7%    
"02:00  
  مفاهیم تحلیل مولفه‌های متصل
"04:34  
  پیاده سازی تحلیل مولفه‌های متصل
"10:58  
  تمرین نهم: تحلیل مولفه‌های متصل (الزامی)
 22.9%    
"60:00  
  یافتن Contour
"07:12  
  تخمین Contour
"05:22  
  پوشش محدب (Convex hull)
"06:32  
  کوییز پوشش محدب
 2.9%    
"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)
 22.9%    
"60:00  
  تشخیص blob
"10:56  
  سایر کاربردهای مورفولوژی
"02:36  
  تشخیص اسم اشیاء هندسی
 2.9%    
"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
 2.8%    
"01:00  
  بهبود نمایش رنگ‌های غالب
"06:51  
  تمرین یازدهم: فضاهای رنگی و مقدمات خوشه‌بندی (الزامی)
 22.2%    
"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)
 16.7%    
"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)
 22.2%    
"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
 2.8%    
"01:00  
  پیاده‌سازی لبه‌یابی Canny
"05:00  
  تشخیص میزان مات‌بودن تصویر (فوکوس خودکار)
"05:28  
  پروژه اول: تشخیص پوست انسان (الزامی)
 33.3%    
"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
 100%    
"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
 5.9%    
"01:00  
  هموگرافی و محاسبه ماتریس تبدیل Perspective با 4 نقطه
"05:49  
  کوییز تبدیل های هندسی
 5.9%    
"02:00  
  تمرین چهاردهم: تبدیل‌های هندسی (الزامی)
 35.3%    
"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
 5.9%    
"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)
 47.1%    
"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
 100%    
"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)
 100%    
"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
 4.8%    
"01:00  
  تمرین هفدهم: یادگیری عمیق با OpenCV (الزامی)
 38.1%    
"120:00  
  پروژه دوم: یادگیری عمیق با OpenCV (الزامی)
 57.1%    
"900:00  
فصل یازدهم:بخش پایانی
  مینی‌پروژه اسکن اسناد و تراز کردن خودکار آن
"17:03  
  سخن پایانی
"03:24  
  پروژه پایانی: دیپ فیک (الزامی)
 100%    
"363:20  

ویژگی‌های دوره

گواهی‌نامه مکتب‌خونه
گواهی‌نامه مکتب‌خونه

در صورت قبولی در دوره، گواهی نامه رسمی پایان دوره توسط مکتب‌خونه به اسم شما صادر شده و در اختیار شما قرار می گیرد.

مشاهده نمونه گواهینامه

ویژگی‌های دوره

خدمات منتورینگ
خدمات منتورینگ

خدمات منتورینگ به معنای برخورداری دانشجو از راهنما یا پشتیبان علمی در طول گذراندن دوره می‌باشد. این خدمات شامل پاسخگویی به سوالات آموزشی(در قالب تیکتینگ)، تصحیح آزمون یا پروژه های دوره و ارائه باز خورد موثر به دانشجو می‌باشد.

ویژگی‌های دوره

پروژه محور
پروژه محور

این دوره طوری طراحی شده است که محتوای آموزشی دوره حول چند پروژه واقعی و کاربردی هستند تا یادگیری دانشجو در طول دوره به کاربردهای عملی تبدیل شود و به این ترتیب بالاترین سطح یادگیری را فراهم نمایند.

ویژگی‌های دوره

تمرین و آزمون
تمرین و آزمون

با قرار گرفتن تمرین ها و آزمون های مختلف در طول دوره، محیطی تعاملی فراهم شده است تا بهره گیری از محتوا و یادگیری بهتر و عمیق تر شود.

ویژگی‌های دوره

تالار گفتگو
تالار گفتگو

شما می توانید از طریق تالار گفتگو با دیگر دانشجویان دوره در ارتباط باشید، شبکه روابط حرفه ای خود را تقویت کنید یا سوالات مرتبط با دوره خود را از دیگر دانشجویان بپرسید.

ویژگی‌های دوره

تسهیل استخدام
تسهیل استخدام

در صورت قبولی در دوره، شما می‌توانید با وارد کردن اطلاعات آن در بخش دوره‌های آموزشی رزومه‌ساز «جاب ویژن»، تایید مهارت خود را در قالب اضافه شدن «مدال مهارت» به روزمه آنلاین خود دریافت نمایید. این مدال علاوه بر ایجاد تمایز در نمایش رزومه شما، باعث بالاتر قرار گرفتن آن در لیست انبوه رزومه‌های ارسالی به کارفرما شده و بدین ترتیب شانس شما را برای استخدام در سازمانهای موفق و پر متقاضی افزایش می‌دهد.

بررسی فرصت‌های شغلی

درباره 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 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

درباره استاد

maktabkhooneh-teacher علیرضا اخوان‌پور

علیرضا اخوان پور، مدیر فنی مجموعه دانش بنیان شناسا، از سال ۹۴ مدرس دانشگاه شهید رجایی است که از سال ۹۵ تدریس تخصصی هوش مصنوعی و یادگیری عمیق را شروع کرده است.

وی به عنوان مدرس هوش مصنوعی و یادگیری عمیق با ۵ سال سابقه تدریس در موسسه‌ها و دانشگاه‌های برتر نظیر سابقه ارائه کارگاه‌های آموزشی در دانشگاه امیرکبیر، دانشگاه شریف، یازدهمین کنفرانس ملی و اولین کنفرانس بین المللی بینایی ماشین و پردازش تصویر ایران، صندوق نوآوری شکوفایی، رویداد فیس کاپ، دوره های تخصصی معاونت علمی و فناوری ریاست جمهوری و سابقه تدریس در جهاد دانشگاه شریف و دوره‌های آزاد دانشگاه تهران را در رزومه‌ی خود دارد.

تدریس دوره‌های مختلف هوش‌مصنوعی در دیجی‌نکس (دیجی‌کالا)، مجموعه دانش بنیان پارت (بانک رسالت)، دوره علم داده جهاد دانشگاهی شریف، دوره های تخصصی کارمندان در بانک قوامین و سپه، دوره های جامع ۳۵۰ ساعته دانشگاه تهران و ... از دیگر موارد سابقه تدریسی ایشان است.

ایشان همچنین مدیر سایت class.vision هستند که یک سایت تخصصی در حوزه‌ی هوش مصنوعی، دیپ لرنینگ، بینایی کامپیوتر و یادگیری ماشین است.

 

مشاهده پروفایل و دوره‌‌های استاد

نظرات کاربران

تا کنون نظری برای این دوره ثبت نشده است. برای ثبت نظر باید ابتدا در دوره ثبت نام کرده و دانشجوی دوره باشید.
محسن حسن نژاد 1403-01-07
ممنون از استاد و مکتب خونه که همچین آموزش فوقالعاده ای تدریس شده از استاد خواهشمندم سطح ها و مباحث پیشرفته رو هم در قالب یک دوره دیگه تدریس کنند
مهدی مودت 1402-12-26
مدرس دوره برنامه منظمی داره و ویدئوها از بخش تئوری و عملی راضی کننده ای برخورداره. در کل دوره خیلی خوبیه و حتما اون رو پیشنهاد میکنم.
ایمان حاجی حیدری 1402-12-26
استاد عالی هستن. انتقال مفهموم - مثال های خوب و قابل درک - داشتن تسلط کامل - موج مثبت از ویژگی های ایشون هستن . بنده حتما پیشنهاد میکنم.
امیرحسین قربانی 1402-12-25
عالی بود
مانلی فروتن 1402-12-22
سلام دوره ی بسیار کاملی هستش و همه ی مباحث کامل توضیح داده شده فقط بعضی تمارین بسیار ساده اند درکل حتمااااا توصیه میشه
معصومه عظیمی 1402-09-26
عالی بود
محمدرضا عرب زاده 1402-06-17
دوره بسیار خوب و استانداردی هست. مباحث تئوری به اندازه کافی گفته میشه. مباحث عملی هم خیلی عالی پوشش داده شده. نقطه ضعفی واقعا تو این دوره دیده نمیشه جز تمارین که بنظرم مقداری کم هستند با توجه به اینکه مباحث پوشش داده شده زیاد هست. در کل یکی از بهترین دوره هایی هست که تا الان دیدم
سعید رسولی 1402-05-05
بسیار عالی - از بهترین دوره هایی که دیدم. خیلی منظم و مسلط درس میدن
سید محمد رضا عرفانی جوان فکر 1402-04-26
به شدت عالی و فوق العاده
مسعود نوروزی 1402-04-04
به شدت عالی و فوق العاده
سینا شکوری 1401-11-13
دوره بسیار خوب و با ارزشی بود، قدرت انتقال مطالب و تسلط استاد اخوان در این دوره هم مانند دوره های دیگر ایشان بسیار بالا بود. اگر قصد کار در این حوزه را دارید حتما پیشنهاد میشه. همچنین اگر در حوزه های دیگری فعالیت دارید و با عکس و ویدئو سرکار دارید این دوره دید عمیقی به شما میده.
حانیه اخوان‌پور 1401-11-09
قدرت انتقال استاد فوق العاده است. من قبلا دوره یادگیری عمیق ایشون رو گذرونده بودم و همونطور که انتظار می‌رفت این دوره هم عالی و جامعی بود. کاش استاد، دوره تشخیص اشیاء هم ارائه بدند.
مکتب‌خونه
حانیه عزیز؛ ضمن تشکر از همراهی و حسن نظر شما، پیشنهاد شما جهت بررسی بیشتر به واحد مربوطه ارجاع گردید.
عرفان شکوری 1401-11-09
دوره ی فوق العاده ای بود و در کنار مسائل عملی، اتفاقات ریاضی که پشت الگوریتم ها اتفاق می افتاد تا حد خوبی بررسی می شد تا دید عمیق تری به الگوریتم و آن کتابخانه پیدا نمائیم. سپاس فراوان از استاد گران قدر
مهدی معارف دوست 1401-08-26
بسیار بسیار عالی بود از بهترین خریدهام بود خیلی جامع بود و استاد باحوصله تمام مفاهیم رو بررسی میکردند تعداد زیاد مثال ها از نقاط قوت بود
محمدرضا کریمی‌نژاد 1401-08-26
از این دوره واقعا لذت بردم و دید خیلی خوبی نسبت به پردازش تصویر پیدا کردم حتما توصیه میشه و حتی اگه دوس ندارین بینایی ماشین یا پردازش تصویر کار کنین در آینده حتما این کورس رو بهتون پیشنهاد میکنم چون اطلاعات زیادی به دانشتون اضافه میشه.
1
2

دوره‌های پیشنهادی

سوالات پرتکرار

آیا در صورت خرید دوره، گواهی نامه آن به من تعلق می گیرد؟
خیر؛ شما با خرید دوره می توانید در آن دوره شرکت کنید و به محتوای آن دسترسی خواهید داشت. در صورتی که در زمان تعیین شده دوره را با نمره قبولی بگذرانید، گواهی نامه دوره به نام شما صادر خواهد شد.

سوالات پرتکرار

آیا گواهی‌نامه‌های دانشگاهی به صورت رسمی و توسط دانشگاه مربوطه صادر می‌شود؟
بله؛ گواهی نامه ها توسط دانشگاه مربوطه و با امضای رئیس دانشگاه یا مسئول مربوطه که حق امضای گواهی نامه ها را دارد صادر می شود و گواهی نامه معتبر دانشگاه است که به اسم هر فرد صادر می شود.

سوالات پرتکرار

حداقل و حداکثر زمانی که می توانم یک دوره را بگذرانم چقدر است؟
برای گذراندن دوره حداقل زمانی وجود ندارد و شما می توانید در هر زمانی که مایل هستید فعالیت های مربوطه را انجام دهید. برای هر دوره یک حداکثر زمان تعیین شده است که در صفحه معرفی دوره می توانید مشاهده کنید که از زمان خرید دوره توسط شما تنها در آن مدت شما از ویژگی های تصحیح پروژه ها توسط پشتیبان و دریافت گواهی نامه بهره مند خواهید بود.

سوالات پرتکرار

در صورت قبولی در دوره، آیا امکان دریافت نسخه فیزیکی گواهی نامه دوره را دارم؟
خیر، به دلیل مسائل زیست محیطی و کاهش قطع درختان، فقط نسخه الکترونیکی گواهی‌نامه در اختیار شما قرار می‌گیرد

سوالات پرتکرار

پس از سپری شدن زمان دوره، به محتوای دوره دسترسی خواهم داشت؟
بله؛ پس از سپری شدن مدت زمان دوره شما به محتوای دوره دسترسی خواهید داشت و می توانید از ویدئوها، تمارین، پروژه و دیگر محتوای دوره در صورت وجود استفاده کنید ولی امکان تصحیح تمارین توسط پشتیبان و دریافت گواهی نامه برای شما وجود نخواهد داشت.
poster
  
برگزار کننده:  مکتب‌خونه
  
زمان مورد نیاز برای گذارندن دوره:  70 ساعت
مجموع محتوای آموزشی:  21 ساعت ویدئو - 49 ساعت تمرین و پروژه
 (قابل دانلود می‌باشد)
مهلت دوره:  11 هفته
  
حد نصاب قبولی در دوره:  75 نمره
فارغ‌التحصیل شدن در این دوره نیاز به ارسال تمرین‌ها و پروژه‌های الزامی دارد. 
organization-pic  گواهینامه این دوره توسط مکتب‌خونه ارائه می‌شود.
course-feature   گواهی‌نامه مکتب‌خونه course-feature   خدمات منتورینگ course-feature   پروژه محور course-feature   تمرین و آزمون course-feature   تالار گفتگو course-feature   تسهیل استخدام