آموزش جامع بینایی ماشین و یادگیری عمیق با OpenCV و Keras - آخرین آپدیت

دانلود Master Computer Vision & Deep Learning in OpenCV and Keras

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

آموزش جامع بینایی ماشین و یادگیری عمیق با پایتون (OpenCV, TensorFlow & Keras) به همراه 14 پروژه

در این دوره، شما با استفاده از پایتون، کتابخانه‌های OpenCV، TensorFlow و Keras، مباحث بینایی ماشین و یادگیری عمیق را به صورت جامع و پروژه‌محور فرا خواهید گرفت. از مقدماتی‌ترین مباحث تا پیشرفته‌ترین تکنیک‌ها، در این دوره پوشش داده می‌شود.

آنچه در این دوره خواهید آموخت:

  • پایتون: آموزش پایتون از سطح پایه تا پیشرفته (شیءگرا)
  • Numpy: آموزش Numpy از سطح پایه تا متوسط
  • OpenCV: کار با تصاویر و ویدیوها با استفاده از OpenCV
  • تشخیص اشیا: Object Detection
  • تشخیص چهره: Face Detection
  • Keras و TensorFlow: یادگیری کتابخانه‌های Keras و TensorFlow
  • شبکه‌های عصبی مصنوعی: Artificial Neural Network (ANN)
  • یادگیری عمیق: Deep Learning
  • شبکه‌های عصبی کانولوشنال: Convolutional Neural Network (CNN)
  • دسته‌بندی تصاویر: Image Classification
  • تشخیص اشیا در زمان واقعی: Realtime Object Detection
  • تشخیص چهره و جنسیت در زمان واقعی: Real time face and gender detection
  • تشخیص چهره در زمان واقعی: Real time face detection

پیش‌نیازها:

  • هیچ دانش برنامه‌نویسی قبلی مورد نیاز نیست.
  • یک کامپیوتر مناسب با اتصال اینترنت پرسرعت مورد نیاز است.
  • مهم‌ترین پیش‌نیاز: آمادگی جدی برای کدنویسی همراه با مدرس.
  • مهم‌ترین پیش‌نیاز: تمایل جدی به توسعه پروژه‌های یادگیری عمیق و بینایی ماشین.

توضیحات دوره:

به دوره "آموزش جامع بینایی ماشین و یادگیری عمیق با پایتون (OpenCV, TensorFlow و Keras)" خوش آمدید. در این دوره، شما همه چیز را از صفر یاد خواهید گرفت.

ابتدا پایتون را از سطح صفر تا شیءگرا یاد خواهید گرفت. سپس Numpy را از سطح بسیار پایه تا متوسط فرا خواهید گرفت. پس از آن Python OpenCV را از ابتدا تا سطح پیشرفته و سپس Matplotlib را خواهید آموخت.

در این مرحله، در مورد هسته‌های تصویر، شبکه‌های عصبی مصنوعی، عناصر شبکه‌های عصبی مصنوعی و یادگیری عمیق چیست، خواهید آموخت.

شما سطوح پایه تا متوسط ​​Tensorflow را یاد خواهید گرفت و یاد خواهید گرفت که چگونه با تانسورها بازی کنید. یاد خواهید گرفت که چگونه انواع مختلف تانسورها را با استفاده از Tensorflow ایجاد کنید و عملیات مختلفی را روی آن تانسورها اجرا کنید.

در نهایت، زمان آن فرا رسیده است که یاد بگیرید چگونه یک مدل شبکه عصبی مصنوعی با استفاده از Tensorflow و Keras ایجاد کنید و ما برای حل یک مسئله رگرسیون خطی ایجاد خواهیم کرد.

پس از اینکه یاد گرفتیم و مدل شبکه عصبی مصنوعی را با استفاده از Tensorflow و Keras ایجاد کردیم، اکنون زمان آن رسیده است که شبکه عصبی عمیق، شبکه عصبی کانولوشنال را پیاده‌سازی کنیم و پروژه‌های متعددی را با استفاده از Tensorflow، Keras و شبکه عصبی کانولوشنال توسعه دهیم. ما طبقه‌بندی تصویر باینری، طبقه‌بندی تصویر چند کلاسه و طبقه‌بندی و تشخیص در زمان واقعی را یاد می‌گیریم و توسعه می‌دهیم و از طریق توسعه حدود 50 پروژه یاد می‌گیریم و توسعه می‌دهیم.

شما از طریق توسعه پروژه‌ها و نوشتن کدها با هم یاد خواهید گرفت. ما با هم حدود 30 پروژه را توسعه خواهیم داد. من قبلاً 14 پروژه را اضافه کرده‌ام و حدود 16 پروژه دیگر به زودی ارائه می‌شود. سعی خواهم کرد حداقل 1 پروژه در هفته اضافه کنم.

من قول می‌دهم چیزی به شما بدهم که هیچ مربی‌ای تا به حال در هیچ دوره‌ای نداده است.


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

  • نحوه استفاده از این دوره برای نتیجه بهتر How to use this course for the better result

  • نحوه امتیازدهی به دوره How to rate the course

  • نحوه استفاده از بخش پرسش و پاسخ How to use the QA section

نصب و پیکربندی Installation and Configuration

  • نصب و پیکربندی Anaconda و PyCharm Installing and configuring Anaconda & PyCharm

  • کامپایلر آنلاین و Google CoLab Online Compiler & Google CoLab

مبانی پایتون Python Essentials

  • 01. به دنیای من خوش آمدید 01. Welcome to my Universe

  • 02. متغیرها و تخصیص مقدار 02. Variables & Value assignments

  • 03. پایتون - انواع داده و عملگرها 03. Python - Data types & Operators

  • 04. پایتون - عملگرها 04. Python - Operators

  • 05. دستورات پایتون - if, else 05. Python Statements - if, else

  • 06. حل تمرینات دستورات پایتون 06. Solution of Homework on Python Statements

  • 07. حلقه For در پایتون 07. Python For Loop

  • 08. حلقه While در پایتون 08. Python - While Loop

  • 09. لیست و آرایه پایتون - قسمت 1 09. Python List & Array - Part 1

  • 10. تابع و متد پایتون 10. Python Function & Method

  • 11. لیست و آرایه پایتون قسمت 2 11. Python List & Array part 2

  • 12. لیست و آرایه پایتون - قسمت 3 12. Python List & Array - Part 3

  • 13. تاپل، مجموعه و دیکشنری پایتون 13. Python Tuple, Set and Dictionary

  • 14. رشته پایتون 14. Python String

  • 15. تاریخ‌ها و ماژول‌های ریاضی پایتون 15. Python Dates & Math Modules

  • 16. نوع سفارشی در پایتون 16. Custom type in Python

  • 17. کلاس، شی، ویژگی‌های شی، سازنده و متدها 17. Class, Object, Object properties, Constructor and methods

  • 18. محدوده پایتون، فیلدها و متدهای خصوصی 18. Python Scope, Private fields and methods

  • 19. وراثت پایتون 19. Python Inheritance

  • 20. چندریختی و تجرید پایتون 20. Python Polymorphism & Abstraction

  • 21. تکرارکننده پایتون 21. Python Iterator

  • 22. لامبدا پایتون 22. Python Lambda

  • 23. فایل های پایتون 23. Python Files

  • 24. پایتون Try Except 24. Python Try Except

تمرینات، آزمون و تمرینات کدنویسی Assignments, quiz and coding exercises

  • چند نوع داده در پایتون وجود دارد How many types of data in Python

  • دریافت باقیمانده Get remainders

  • حل مسئله سن Solve age problem

  • یک تابع پایتون برای جمع دو عدد بنویسید Write a python function to add two numbers

  • چند عملگر منطقی در پایتون وجود دارد How many logical operators in Python

مبانی Numpy Numpy essentials

  • 01. ایجاد آرایه های نامپای 01. Creating numpy arrays

  • 02. ویژگی ها و توابع آرایه نامپای 02. Numpy Array Attributes & Functions

  • 03. اندیس گذاری و برش آرایه نامپای 03. Indexing and slicing numpy array

  • 04. کپی و نمایش نامپای 04. Numpy Copy & View

  • 05. تغییر شکل، تغییر اندازه، Ravel و Flatten 05. Reshape, Resize, Ravel & Flatten

  • 06. عملیات حسابی و تجمیع ها 06. Arithmetic Operations & Aggregations

تمرینات و تمرینات کدنویسی Assignments and coding exercises

  • ایجاد یک آرایه نامپای تک بعدی Create a single dimension numpy array

  • ایجاد یک ماتریس با مقدار بین 0 تا 1، با 30 عنصر در مجموع و 6 عنصر در هر ردیف Create a matrix with the value between 0 to 1, with 30 elements in total and 6 elements in each row

  • ایجاد یک ماتریس فقط با مقدار 3.9 Create a matrix with the value 3.9 only

  • ایجاد یک ماتریس و تغییر شکل به 4 روش مختلف و استفاده از 2 متد برای تغییر شکل Create a matrix and reshape in 4 different ways and use 2 methods to reshape

OpenCV OpenCV

  • 01. OpenCV - خواندن، نمایش، نوشتن و ذخیره تصاویر 01. OpenCV - Reading, Showing, Writing and Saving Images

  • 02. تصویر نامپای و ویژگی های تصویر OpenCV 02. OpenCV - Numpy image and OpenCV image properties

  • 03. OpenCV - دستکاری تصویر [تغییر اندازه، تار، رنگ] 03. OpenCV - Image manipulating [Resize, Blur, Color]

  • 04. OpenCV - نمایش متن و رسم اشکال روی تصویر 04. OpenCV - Displaying Text & Drawing shapes on Image

  • 05. OpenCV - پخش ویدیو از فایل و گرفتن تصویر از ویدیو 05. OpenCV - Playing video from file and capturing image from video

  • 06. OpenCV - وب کم، دوربین امنیتی و ضبط ویدیو و گرفتن تصویر 06. OpenCV - Web cam, Security cam & video capturing and image capturing

  • 07. OpenCV - رسم اشکال روی وب کم، دوربین امنیتی و فایل ویدیویی 07. OpenCV - Drawing shapes on Web cam, Security cam & video file

  • 08. OpenCV - تشخیص شی با استفاده از تطبیق الگو 08. OpenCV - Object detection using template matching

  • 09. OpenCV - آستانه گذاری تصویر 09. OpenCV - Image thresholding

  • 10. OpenCV - تشخیص لبه 10. OpenCV - Edge Detection

  • 11. OpenCV - رسم کانتورها 11. OpenCV - Draw Contours

  • 12. OpenCV - درک و ایجاد تصویر خود با استفاده از Numpy 12. OpenCV - Understanding and creating own image using Numpy

  • 13. OpenCV - تشخیص رنگ 13. OpenCV - Color detection

  • 14. OpenCV - تشخیص اشکال هندسی ساده 14. OpenCV - Detect simple geometric shapes

  • 15. OpenCV - تشخیص گوشه ها 15. OpenCV - Detect Corners

  • 16. OpenCV - تشخیص و ردیابی حرکت 16. OpenCV - Motion detection and tracking

تمرینات و تمرینات کدنویسی Assignments and coding exercises

  • تغییر اندازه یک تصویر و تبدیل آن به 450 در 490 پیکسل Resize an image and make it 450px by 490px

معرفی Matplotlib Introduction to Matplotlib

  • Matplotlib - یک معرفی Matplotlib - An Introduction

هسته / فیلتر تصویر Image Kernel / Filter

  • هسته های تصویر Image Kernels

درک عمیق یادگیری عمیق Deep Understanding of Deep Learning

  • یادگیری عمیق چیست؟ What is Deep Learning?

  • شبکه عصبی مصنوعی Artificial Neural Network

  • عناصر یا اجزای شبکه عصبی مصنوعی Elements or Components of Artificial Neural Network

معرفی Tensorflow Introduction to Tensorflow

  • 01. مبانی Tensorflow - اسکالر، بردار، ماتریس و تانسور 01. Tensorflow Basic - Scalar, Vector, Matrix & Tensor

  • 02. ایجاد تانسورها در Tensorflow با استفاده از tf.constant() 02. Creating tensors in Tensorflow using tf.constant()

  • 03. ایجاد تانسورها در Tensorflow با استفاده از tf.variable() 03. Creating tensors in Tensorflow using tf.variable()

  • 04. تانسورهای tf.zeros()، tf.ones() و tf.range() در Tensorflow 04. tf.zeros(), tf.ones() and tf.range() tensors in Tensorflow

  • 05. math.reduce_mean()، math.reduce_std()، random.normal() و random.uniform() 05. math.reduce_mean(), math.reduce_std(), random.normal(), and random.uniform()

  • 06. tf.random.shuffle()، tf.reshape()، flatten و tf.cast() در Tensorflow 06. tf.random.shuffle(), tf.reshape(), flatten and tf.cast() in Tensorflow

  • 07. اندیس گذاری و برش تانسورها در Tensorflow 07. Indexing and slicing tensors in Tensorflow

  • 08. مبانی Tensorflow - عملیات حسابی پایه در Tensorflow 08. Tensorflow Basic - Basic Arithmetic Operations in Tensorflow

  • 09. math.argmax()، math.argmin()، math.equal()، math.not_equal()، math.greater() 09. math.argmax(), math.argmin(), math.equal(), math.not_equal(), math.greater()

  • 10. math.reduce_prod()، math.reduce_variance()، linalg.matmul() در Tensorflow 10. math.reduce_prod(), math.reduce_variance(), linalg.matmul() in Tensorflow

  • 11. tf.transpose()، tf.split()، tf.reverse()، tf.sort() در Tensorflow 11. tf.transpose(), tf.split(), tf.reverse(), tf.sort() in Tensorflow

  • 12. tf.one_hot()، tf.keras.utils.to_categorical() در Tensorflow 12. tf.one_hot(), tf.keras.utils.to_categorical() in Tensorflow

پروژه 1 - ایجاد اولین شبکه عصبی خود برای مسئله رگرسیون خطی Project 1 - Creating our first Neural Network for Linear Regression Problem

  • پروژه 1 - مدل رگرسیون خطی با استفاده از ANN در Keras و Tensorflow - قسمت 1 Project 1 - Linear Regression Model using ANN in Keras & Tensorflow - Part 1

  • پروژه 1 - مدل رگرسیون خطی با استفاده از ANN در Keras و Tensorflow - قسمت 2 Project 1 - Linear Regression Model using ANN in Keras & Tensorflow - Part 2

  • پروژه 1 - قسمت 3 - مدل ترتیبی Keras و Tensorflow و جزئیات آموزش Project 1 - Part 3 - Keras & Tensorflow Sequential Model and Training Details

پروژه 2 - تشخیص ارقام دست نویس در شبکه عصبی مصنوعی Project 2 - Hand Written Digit Recognition in Artificial Neural Network

  • پروژه 2 - تشخیص ارقام دست نویس در شبکه عصبی مصنوعی Project 2 - Hand Written Digit Recognition in Artificial Neural Network

شبکه عصبی کانولوشن چیست؟ What is a Convolutional Neural Network?

  • شبکه عصبی کانولوشن چیست؟ What is a Convolutional Neural Network?

پروژه 3 - تشخیص ارقام دست نویس با استفاده از CNN در Keras و Tensorflow Project 3 - Hand Written Digit Recognition using CNN in Keras & Tensorflow

  • پروژه 3 - تشخیص ارقام دست نویس با استفاده از CNN در Keras و Tensorflow Project 3 - Hand Written Digit Recognition using CNN in Keras & Tensorflow

پروژه 4 - طبقه بندی تصویر و تشخیص مد با استفاده از CNN در Keras Project 4 - Image Classification & Fashion Recognition using CNN in Keras

  • پروژه 4 - طبقه بندی تصویر و تشخیص مد با استفاده از CNN در Keras Project 4 - Image Classification & Fashion Recognition using CNN in Keras

پروژه 5 - طبقه بندی تصویر و تشخیص شی با استفاده از cifar10 و CNN Project 5 - Image Classification and Object Detection using cifar10 & CNN

  • پروژه 5 - طبقه بندی تصویر و تشخیص شی با استفاده از cifar10 و CNN Project 5 - Image Classification and Object Detection using cifar10 & CNN

پروژه 6 - طبقه بندی گربه ها و سگ ها با استفاده از CNN در Keras و Tensorflow Project 6 - Cats and Dogs Classification using CNN in Keras & Tensorflow

  • پروژه 6 - طبقه بندی گربه ها و سگ ها با استفاده از CNN در Keras و Tensorflow Project 6 - Cats and Dogs Classification using CNN in Keras & Tensorflow

پروژه 7 - طبقه بندی تصویر و تشخیص خودروها با استفاده از CNN در Keras Project 7 - Image Classification and Cars Detection using CNN in Keras

  • پروژه 7 - طبقه بندی تصویر و تشخیص خودروها با استفاده از CNN در Keras Project 7 - Image Classification and Cars Detection using CNN in Keras

پروژه 8 - طبقه بندی تصویر و تشخیص گل ملی با استفاده از CNN در Keras Project 8 - Image Classification & National Flower Detection using CNN in Keras

  • پروژه 8 قسمت 1 - طبقه بندی تصویر و تشخیص گل ملی با استفاده از CNN Project 8 Part 1 - Image Classification & National Flower Detection using CNN

  • پروژه 8 قسمت 2 - مقابله با بیش برازش، کم برازش و اعتبارسنجی مدل Project 8 Part 2 - Dealing with Overfitting, Underfitting and Model Validation

  • پروژه 8 قسمت 3 - مقابله با بیش برازش و افزایش داده در Tensorflow Project 8 Part 3 - Dealing with Overfitting and Data augmentation in Tensorflow

پروژه 9 - طبقه بندی تصویر برای تشخیص چهره و جنسیت با استفاده از CNN در Keras Project 9 - Image Classification for Face & Gender Detection using CNN in Keras

  • پروژه 9 - طبقه بندی تصویر برای تشخیص چهره و جنسیت با استفاده از CNN در Keras Project 9 - Image Classification for Face & Gender Detection using CNN in Keras

پروژه 10 - تشخیص چهره و جنسیت در زمان واقعی با استفاده از CNN در Keras Project 10 - Realtime Face & Gender Detection using CNN in Keras

  • پروژه 10 - تشخیص چهره و جنسیت در زمان واقعی با استفاده از CNN در Keras Project 10 - Realtime Face & Gender Detection using CNN in Keras

پروژه 11 - تشخیص احساسات (شادی و غم) با استفاده از CNN و Keras Project 11 - Emotion detection (Happy & Sad) using CNN & Keras

  • پروژه 11 - تشخیص احساسات (شادی و غم) با استفاده از CNN و Keras Project 11 - Emotion detection (Happy & Sad) using CNN & Keras

یادگیری انتقالی Transfer Learning

  • یادگیری انتقالی چیست؟ What is transfer learning?

پروژه 12 - تشخیص گل با استفاده از TFHub و یادگیری انتقالی Project 12 - Flower detection using TFHub and Transfer Learning

  • پروژه 12 - تشخیص گل با استفاده از TFHub و یادگیری انتقالی Project 12 - Flower detection using TFHub and Transfer Learning

معرفی برنامه های کاربردی Keras Introduction to Keras Applications

  • معرفی برنامه های کاربردی Keras Introduction to Keras Applications

پروژه - 13 تشخیص شی با استفاده از برنامه های کاربردی Keras Project - 13 Object Detection using Keras Applications

  • پروژه - 13 تشخیص شی با استفاده از برنامه های کاربردی Keras Project - 13 Object Detection using Keras Applications

پروژه 14 - تشخیص ماسک صورت در CNN با استفاده از Keras و یادگیری انتقالی Project 14 - Face Mask Detection in CNN using Keras & Transfer Learning

  • پروژه 14 - تشخیص ماسک صورت با استفاده از CNN و Keras Project 14 - Face Mask Detection using CNN & Keras

  • پروژه 14 - تشخیص ماسک صورت با استفاده از CNN و Keras - بازی با مدل ها Project 14 - Face Mask Detection using CNN & Keras - Playing with Models

  • پروژه 14 - تشخیص ماسک صورت با استفاده از CNN، Keras و یادگیری انتقالی Project 14 - Face Mask Detection using CNN, Keras & Transfer Learning

  • پروژه 14 - تشخیص ماسک صورت در زمان واقعی با استفاده از CNN و Keras و یادگیری انتقالی Project 14 - Real time Face Mask Detection using CNN & Keras & Transfer Learning

تمرینات Assignments

  • ایجاد 3 مدل با معماری یکسان و با 10٪، 5٪، 3٪ از کل داده های آموزشی Create 3 models with same architecture & with 10%, 5%, 3% of total training data

  • پیاده سازی یادگیری انتقالی و استفاده از 3٪ از کل داده های آموزشی برای آموزش مدل خود Implement transfer learning & use 3% of total training data to train your model

نمایش نظرات

آموزش جامع بینایی ماشین و یادگیری عمیق با OpenCV و Keras
جزییات دوره
18 hours
93
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
63
4.6 از 5
ندارد
دارد
دارد
Lutfor Rahman
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Lutfor Rahman Lutfor Rahman

توسعه‌دهنده ارشد وب، موبایل و اپلیکیشن‌های یادگیری ماشین