لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
یادگیری عمیق CNN: شبکه های عصبی کانولوشن با پایتون [ویدئو]
Deep Learning CNN: Convolutional Neural Networks with Python [Video]
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
شبکه های عصبی کانولوشنال (CNN) به ویژه پس از AlexNet در سال 2012، تغییر دهنده بازی در زمینه بینایی کامپیوتری در نظر گرفته می شوند. آنها اکنون در همه جا هستند، از پردازش صوتی گرفته تا یادگیری تقویتی پیشرفته تر. بنابراین، درک CNN ها در تمام زمینه های علم داده تقریباً اجتناب ناپذیر می شود. با استفاده از این دوره، می توانید حرفه خود را با تسلط متخصص بر مفاهیم و پیاده سازی CNN در علم داده به سطح بالاتری ببرید.
این دوره با معرفی و یادداشت اهمیت شبکه های عصبی کانولوشن (CNN) در علم داده آغاز می شود. سپس به برخی از تکنیک های بینایی کامپیوتری کلاسیک مانند پردازش تصویر و تشخیص اشیا نگاه خواهید کرد. به دنبال آن شبکه های عصبی عمیق با موضوعاتی مانند پرسپترون و پرسپترون چند لایه خواهد بود. سپس، با یادگیری عمیق در مورد CNN ها پیش خواهید رفت. ابتدا به معماری یک CNN نگاه خواهید کرد، سپس به شیب نزول در CNN نگاه خواهید کرد، با TensorFlow، CNN های کلاسیک، یادگیری انتقال و مطالعه موردی با YOLO آشنا می شوید.
در نهایت، شما روی دو پروژه کار خواهید کرد: انتقال سبک عصبی (با استفاده از TensorFlow-hub) و تأیید چهره (با استفاده از VGGFace2).
در پایان این دوره، شما روش شناسی CNN ها با علم داده را با استفاده از مجموعه داده های واقعی درک خواهید کرد. جدا از این، شما به راحتی قادر خواهید بود مفاهیم و نظریه های بینایی کامپیوتر را با CNN ها مرتبط کنید.
همه فایلهای منبع به مخزن GitHub اضافه میشوند: https://github.com/PacktPublishing/Deep-Learning-CNN-Convolutional-Neural-Networks-with-Python اهمیت CNN در علم داده را درک کنید.
دلایل تغییر بینایی کامپیوتری کلاسیک به CNN را بررسی کنید
مفاهیم را از ابتدا با بازگشایی جامع با مثال هایی در پایتون بیاموزید
بررسی تحولات CNN ها از LeNet (دهه 1990) تا MobileNets (دهه 2020)
با نمونه هایی از آموزش CNN ها از ابتدا به CNN ها غواصی کنید
برنامه های کاربردی خود را برای تأیید چهره انسان و انتقال سبک عصبی بسازید این دوره برای مبتدیان در علم داده و یادگیری عمیق طراحی شده است. هر فردی که بخواهد CNN را با مجموعه داده های واقعی در علم داده بیاموزد، CNN ها را همراه با اجرای آن در پروژه های واقع گرایانه بیاموزد و به گفتار داده های خود مسلط شود، از این دوره سود زیادی خواهد برد.
هیچ دانش قبلی لازم نیست. شما از اصول اولیه شروع می کنید و به آرامی دانش خود را در مورد موضوع ایجاد می کنید. تمایل به یادگیری و تمرین تنها پیش نیاز این دوره است. از 75+ ویدیوهای ساده، جامع، رسا، همراه با دفترچه یادداشت کد دقیق بیاموزید * دوره ساختاریافته با درک پایه ای قوی و حرکت به سمت جلو با مفاهیم کاربردی پیشرفته * توضیح عملی و کدنویسی زنده با پایتون برای ساخت برنامه شخصی خود
سرفصل ها و درس ها
مقدمه دوره
Introduction to the Course
بررسی اجمالی دوره
Course Overview
معرفی مربی
Introduction to Instructor
چرا CNN
Why CNN
تمرکز دوره
Focus of the Course
پردازش تصویر
Image Processing
تصاویر در مقیاس خاکستری
Gray-Scale Images
آزمون تصاویر در مقیاس خاکستری
Gray-Scale Images Quiz
راه حل تصاویر در مقیاس خاکستری
Gray-Scale Images Solution
تصاویر RGB
RGB Images
آزمون تصاویر RGB
RGB Images Quiz
راه حل تصاویر RGB
RGB Images Solution
خواندن و نمایش تصاویر در پایتون
Reading and Showing Images in Python
خواندن و نمایش تصاویر در آزمون پایتون
Reading and Showing Images in Python Quiz
خواندن و نمایش تصاویر در راه حل پایتون
Reading and Showing Images in Python Solution
تبدیل تصویر به مقیاس خاکستری در پایتون
Converting an Image to Grayscale in Python
تبدیل تصویر به مقیاس خاکستری در آزمون پایتون
Converting an Image to Grayscale in Python Quiz
تبدیل تصویر به مقیاس خاکستری در حل پایتون
Converting an Image to Grayscale in Python Solution
شکل گیری تصویر
Image Formation
آزمون تشکیل تصویر
Image Formation Quiz
راه حل تشکیل تصویر
Image Formation Solution
تار شدن تصویر 1
Image Blurring 1
آزمون تاری تصویر 1
Image Blurring 1 Quiz
راه حل تاری تصویر 1
Image Blurring 1 Solution
تاری تصویر 2
Image Blurring 2
آزمون تاری تصویر 2
Image Blurring 2 Quiz
راه حل تاری تصویر 2
Image Blurring 2 Solution
فیلتر کلی تصویر
General Image Filtering
پیچیدگی
Convolution
تشخیص لبه
Edge Detection
وضوح تصویر
Image Sharpening
پیاده سازی Image Blurring Edge Detection Sharpening تصویر در پایتون
Implementation of Image Blurring Edge Detection Image Sharpening in Python
تشخیص شکل پارامتریک
Parametric Shape Detection
پردازش تصویر
Image Processing
فعالیت پردازش تصویر
Image Processing Activity
راه حل فعالیت پردازش تصویر
Image Processing Activity Solution
تشخیص شی
Object Detection
مقدمه ای بر تشخیص اشیا
Introduction to Object Detection
خط لوله طبقه بندی
Classification Pipeline
آزمون خط لوله طبقه بندی
Classification Pipeline Quiz
راه حل خط لوله طبقه بندی
Classification Pipeline Solution
پیاده سازی پنجره کشویی
Sliding Window Implementation
تغییر ناپذیری چرخش مقیاس تغییر
Shift Scale Rotation Invariance
تمرین تغییر ناپذیر چرخش مقیاس تغییر
Shift Scale Rotation Invariance Exercise
تشخیص شخص
Person Detection
ویژگی های HOG
HOG Features
تمرین ویژگی های HOG
HOG Features Exercise
مهندسی دست در مقابل CNN ها
Hand Engineering Versus CNNs
فعالیت تشخیص شی
Object Detection Activity
نمای کلی شبکه عصبی عمیق
Deep Neural Network Overview
نمایش نظرات