یادگیری عمیق: تشخیص تصویر

Deep Learning: Image Recognition

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:

آموزش عمیق و تشخیص تصویر در همه جا وجود دارد، از باز کردن قفل تلفن ها گرفته تا برچسب زدن دوستان در عکس ها. یادگیری نحوه کارکرد آن برای هر کسی که امروز در فناوری کار می کند بسیار مهم است، به خصوص اگر می خواهید جلوتر از منحنی باشید، مهارت های خود را تیز کنید و برای نوآوری آماده شوید. به مربی Isil Berkun بپیوندید تا به شما نشان دهد که چگونه رایانه ها را قادر به تشخیص تصاویر، نحوه آماده سازی تصاویر برای هوش مصنوعی، و نحوه ساخت سیستم هایی است که می تواند تشخیص دهد که چه کسی کیست. در طول مسیر، یاد بگیرید که در صورت بروز مشکلات رایج از چه چیزهایی اجتناب کنید و چه کاری باید انجام دهید. در پایان این دوره، شما آماده خواهید بود که مدل‌های تشخیص تصویر بسازید و شروع به بررسی نحوه خلاقیت بیشتر هوش مصنوعی با تصاویر کنید.

این دوره با GitHub Codespaces یکپارچه شده است، یک محیط توسعه دهنده ابر فوری که تمام عملکردهای IDE مورد علاقه شما را بدون نیاز به هیچ گونه راه اندازی ماشین محلی ارائه می دهد. با استفاده از GitHub Codespaces، می‌توانید در هر زمان و در هر زمانی از ابزاری استفاده کنید که احتمالاً در محل کار با آن مواجه خواهید شد. برای یادگیری نحوه شروع، ویدیوی "استفاده از فضاهای کد GitHub با این دوره" را بررسی کنید.


سرفصل ها و درس ها

مقدمه Introduction

  • آموزش تشخیص تصویر Learning image recognition

1. غواصی در فضای کد 1. Diving into Codespaces

  • کتابخانه های تشخیص تصویر DL با Codespace DL Image Recognition libraries with Codespaces

  • Codespaces: بهترین دوست جدید شما Codespaces: Your new best friend

2. درک یادگیری عمیق برای تصاویر 2. Understanding Deep Learning for Images

  • معماری های پیشرفته CNN Advanced CNN architectures

  • مبانی پردازش تصویر Basics of image processing

  • راه حل: تکنیک های موثر طبقه بندی تصاویر Solution: Effective image classification techniques

  • چالش: طبقه بندی تصاویر ساده Challenge: Simple image classification

  • شبکه های عصبی کانولوشنال (CNN) Convolutional neural networks (CNNs)

3. مبانی تشخیص تصویر 3. Image Recognition Fundmantals

  • پیش پردازش و تغذیه داده ها به شبکه شما Preprocessing and feeding data into your network

  • راه حل: مقابله با نویز در تصاویر Solution: Dealing with noise in images

  • معیارهای موفقیت Success metrics

  • چالش: مقابله با نویز در تصاویر Challenge: Dealing with noise in images

  • هوش مصنوعی مولد و تشخیص تصویر Generative AI and image recognition

  • توسعه سیستم های تشخیص تصویر Developing image recognition systems

  • چالش در تشخیص تصویر Challenges in image recognition

  • اصول تشخیص تصویر Image recognition fundamentals

نتیجه گیری Conclusion

  • به سفر یادگیری عمیق خود ادامه دهید Continue your deep learning journey

نمایش نظرات

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.

یادگیری عمیق: تشخیص تصویر
جزییات دوره
2h 14m
17
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
736
- از 5
ندارد
دارد
دارد
Isil Berkun
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Isil Berkun Isil Berkun

دانشمند داده در شرکت اینتل

ایسیل برکون یک دانشمند داده در شرکت اینتل است.

ایسیل اهل استانبول، ترکیه است و در حال حاضر در پورتلند، اورگان زندگی می کند. او در سال 2015 از دانشگاه ایالتی میشیگان (MSU) فارغ التحصیل شد و دکترای خود را در رشته مهندسی برق دریافت کرد. زمینه های تخصص او شامل الکترونیک نیمه هادی پیشرفته و یادگیری ماشین برای درک عمیق از ساخت و طراحی دستگاه است. Isil در شورای تحقیقات علمی و فناوری ترکیه (TÜBİTAK) و آزمایشگاه ملی آرگون (ANL) در ایلینوی کارآموزی کرد. او قبلاً به عنوان دستیار تحقیق و تدریس در دانشگاه ایالتی میشیگان (MSU) کار می کرد، جایی که یک سیستم مشخصه حمل و نقل نیمه هادی را طراحی و ساخت و نرم افزار اتوماسیون آزمایشی را برنامه ریزی کرد.