🔔 با توجه به بهبود نسبی اینترنت، آمادهسازی دورهها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دورهها ممکن است با کمی تأخیر انجام شود. مدت اشتراکهای تهیهشده محفوظ است.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش هوش مصنوعی ویژوال داده محور
- آخرین آپدیت
دانلود Data-Centric Visual AI
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره یک تجربه عملی مختصر و در عین حال جامع را در اجرای روشهای مدیریت داده، با تمرکز بر ایجاد و اصلاح حلقههای بازخورد داده ارائه میدهد. این دوره با تمرکز بر روی حلقه بازخورد داده محور تکراری، به شما کمک می کند تا مهارت ها و طرز فکر عملی مورد نیاز برای ساختن سیستم های هوش مصنوعی قوی و قابل اعتماد را تجهیز کنید. بیاموزید که چگونه مدل های بینایی کامپیوتری را آموزش دهید، عملکرد آنها را ارزیابی انتقادی کنید، نقاط ضعف را شناسایی کنید، و به طور مداوم مجموعه داده های خود را برای نتایج بهتر بهبود دهید.
سرفصل ها و درس ها
مقدمه
Introduction
آنچه شما باید بدانید
What you should know
پروژه های خود را با هوش مصنوعی بصری داده محور ارتقا دهید
Elevate your projects with data-centric visual AI
هوش مصنوعی بصری چیست؟
What is visual AI?
1. مقدمه ای بر Data Curation برای Computer Vision
1. Introduction to Data Curation for Computer Vision
حلقه بازخورد
The feedback loop
پارادایم هوش مصنوعی داده محور
Data-centric AI paradigm
2. مجموعه داده ها و تجسم
2. Dataset Collection and Visualization
درک حاشیه نویسی
Understanding annotations
خطرات GenAI برای داده ها و معرفی FiftyOne
GenAI risks to data and an introduction to FiftyOne
منابع داده
Data sources
3. اصلاح و بهبود داده ها
3. Data Curation and Improvement
FiftyOne برای تجزیه و تحلیل داده ها
FiftyOne for data analysis
مشکلات کیفیت تصویر را پیدا کنید
Find image quality issues
تشخیص و توزیع داده ها
Outlier detection and data distribution
افزایش داده ها
Data augmentation
4. ارزیابی مدل
4. Model Evaluation
ارزیابی مدل پیشرفته
Advanced model evaluation
حلقه بازخورد ارزیابی مدل
Model evaluation feedback loop
تشخیص و کاهش تعصب
Bias detection and mitigation
5. بهبود مجموعه داده های تکراری و اصلاح مدل
5. Iterative Dataset Improvement and Model Refinement
توسعه مدل های رقیب
Developing competing models
بهبود مجموعه داده تکراری
Iterative dataset improvement
نتیجه گیری
Conclusion
اتصال و ادامه: سفر شما در هوش مصنوعی بصری
Connect and continue: Your journey in visual AI
دانیل برای توسعه جامعه ML از طریق محتوای فنی و میزبانی جلسات و کارگاه ها کار می کند. او همچنین به پلتفرم رو به رشد ML در Voxel51 کمک می کند و برای پیشبرد مأموریت دموکراتیک کردن ML داده محور کار می کند.
دانیل لیسانس مهندسی در مهندسی کامپیوتر و مدرک کارشناسی ارشد در هوش مصنوعی کاربردی از موسسه فناوری استیونز گرفت.
نمایش نظرات