به یادگیری ماشین در فلاتر خوش آمدید: راهنمای جامع
با جامعترین دوره یادگیری ماشین فلاتر گوگل موجود آنلاین، بر یکپارچهسازی مدلهای یادگیری ماشین در اپلیکیشنهای فلاتر خود مسلط شوید.
هیچ دانش قبلی از یادگیری ماشین یا بینایی ماشین لازم نیست! چه مبتدی باشید و چه یک توسعهدهنده باتجربه، این دوره شما را در استفاده و آموزش مدلهای یادگیری ماشین در اپلیکیشنهای فلاتر (اندروید و iOS) راهنمایی خواهد کرد.
آنچه خواهید آموخت:
استفاده از مدلهای یادگیری ماشین موجود: ادغام مدلهای از پیش آموزشدیده تنسورفلو لایت (TensorFlow Lite) و فایربیس امال کیت (Firebase ML Kit) را در اپلیکیشنهای فلاتر خود برای اندروید و iOS بیاموزید.
آموزش مدلهای یادگیری ماشین سفارشی: کشف کنید چگونه مدلهای یادگیری ماشین خود را برای طبقهبندی تصاویر و تشخیص اشیاء بدون نیاز به دانش پسزمینه گسترده، آموزش دهید.
تکنیکهای بینایی ماشین: ویژگیهای پیشرفته بینایی ماشین مانند طبقهبندی تصاویر، تشخیص اشیاء، تقسیمبندی تصاویر (Image Segmentation)، اسکن بارکد، تخمین ژست بدن (Pose Estimation) و موارد دیگر را پیادهسازی کنید.
اپلیکیشنهای بلادرنگ (Real-time): اپلیکیشنهایی بسازید که فیلم زنده دوربین را برای وظایف یادگیری ماشین بلادرنگ، شامل تشخیص متن، تشخیص چهره و برچسبگذاری تصاویر پردازش میکنند.
پروژههای جامع فلاتر: بیش از 20 اپلیکیشن کامل فلاتر ایجاد کنید و توانایی خود را در انجام وظایف مختلف یادگیری ماشین و مدلهای بینایی ماشین به نمایش بگذارید.
ویژگیهای یادگیری ماشین تحت پوشش:
طبقهبندی تصاویر: تصاویر را از گالری و فیلم زنده دوربین طبقهبندی کنید.
تشخیص اشیاء: اشیاء را در تصاویر و فریمهای دوربین بلادرنگ تشخیص دهید.
تقسیمبندی تصاویر: با تقسیمبندی تصاویر، آنها را شفاف کنید.
اسکن بارکد: بارکدها و کدهای QR را اسکن کنید.
تخمین ژست بدن: مفاصل بدن انسان را تشخیص دهید.
تشخیص متن: متن را در تصاویر تشخیص دهید.
ترجمه متن: متن را بین زبانهای مختلف ترجمه کنید.
تشخیص چهره: چهرهها، نقاط کلیدی صورت و حالات چهره را تشخیص دهید.
پاسخ هوشمند: پیشنهادهای پاسخ هوشمند را در اپلیکیشنهای چت تولید کنید.
تشخیص جوهر دیجیتال: متن دستنویس را تشخیص دهید.
تشخیص زبان: زبان یک متن داده شده را تشخیص دهید.
استخراج موجودیت: موجودیتهای مختلف را از متن استخراج کنید.
نکات برجسته دوره:
معرفی کتابخانههای کلیدی:
انتخابگر تصویر (Image Picker): تصاویر را از گالری انتخاب کنید یا با دوربین ثبت کنید.
دوربین (Camera): به فیلم زنده دوربین فریم به فریم دسترسی پیدا کنید.
یکپارچهسازی با فایربیس امال کیت (Firebase ML Kit):
با استفاده از ویژگیهایی مانند برچسبگذاری تصاویر، اسکن بارکد، تشخیص متن، تشخیص چهره و موارد دیگر، با تصاویر ثابت و فیلم زنده دوربین، اپلیکیشنها را بسازید.
مدلهای تنسورفلو لایت (TensorFlow Lite):
مدلهای از پیش آموزشدیده را برای طبقهبندی تصاویر و تشخیص اشیاء پیادهسازی کنید.
اپلیکیشنهای بلادرنگ را با استفاده از مدلهایی مانند MobileNet و EfficientNet ایجاد کنید.
آموزش مدلهای سفارشی:
مجموعه دادهها (Datasets) را جمعآوری و آمادهسازی کنید.
مدلهای طبقهبندی تصاویر و تشخیص اشیاء را آموزش دهید.
مدلها را به فرمت تنسورفلو لایت برای استفاده در اپلیکیشنهای فلاتر تبدیل کنید.
این دوره برای چه کسانی است:
مبتدیان: کسانی که تازه وارد فلاتر و توسعه اپلیکیشن موبایل شدهاند.
توسعهدهندگان متوسط: توسعهدهندگان فلاتر که به دنبال یکپارچهسازی ویژگیهای پیشرفته یادگیری ماشین هستند.
توسعهدهندگان باتجربه: توسعهدهندگانی که به دنبال ارتقاء اپلیکیشنهای خود با مدلهای سفارشی یادگیری ماشین و بینایی ماشین هستند.
علاقهمندان به فناوری: هر کسی که علاقهمند به کاوش هوش مصنوعی و یادگیری ماشین در اپلیکیشنهای موبایل است.
چرا ثبتنام کنید؟
محتوای جامع: بیش از 20 اپلیکیشن کامل فلاتر.
آموزش توسط متخصص: تحت رهبری محمد حمزه آصف، با بیش از 6 سال تجربه و جامعهای متشکل از بیش از 60,000 دانشجو.
اعتماد کامل: 30 روز ضمانت بازگشت وجه از یودمی (Udemy).
همین حالا بپیوندید و مهارتهای توسعه فلاتر خود را با قابلیتهای قدرتمند یادگیری ماشین متحول کنید. روی "همین حالا بخرید" کلیک کنید تا سفر خود را در دنیای اپلیکیشنهای فلاتر مبتنی بر هوش مصنوعی آغاز کنید!
Hamza Asif
برنامه نویس اندروید | مربی
سلام، من حمزه هستم.
من مدرک علوم کامپیوتر دارم و علاقه زیادی به توسعه اندروید دارم.
تقویت برنامه Android با ML واقعاً من را مجذوب خود می کند. بنابراین من توسعه اندروید و سپس یادگیری ماشین را یاد گرفتم. من برنامه های اندرویدی را برای چندین سازمان چند ملیتی توسعه دادم. اکنون می خواهم دانشی را که دارم گسترش دهم. من همیشه به این فکر میکنم که چگونه مفاهیم دشوار را به راحتی درک کنم، چه نوع پروژههایی میتوانند یک آموزش سرگرمکننده باشند، و چگونه میتوانم به شما در موفقیت در دورههایم کمک کنم.
نمایش نظرات