یادگیری ماشینی – بینایی کامپیوتری مدرن و هوش مصنوعی مولد [ویدئو]

سرفصل ها و درس ها

خوش آمدی Welcome

• مقدمه و طرح کلی Introduction and Outline

• چگونه در این دوره موفق شویم How to Succeed in This Course

• کد را از کجا دریافت کنیم Where to Get the Code

طبقه بندی تصویر، تنظیم دقیق و آموزش انتقال Image Classification, Fine-Tuning and Transfer Learning

• طرح کلی بخش طبقه بندی Classification Section Outline

• مفاهیم: طبقه بندی کننده تصویر از پیش آموزش دیده Concepts: Pre-trained Image Classifier

• طبقه‌بندی‌کننده تصویر از پیش آموزش‌دیده در پایتون Pre-trained Image Classifier in Python

• آموزش انتقال و تنظیم دقیق Transfer Learning and Fine-Tuning

• تنظیم دقیق طبقه بندی کننده تصویر در پایتون Fine-Tuning an Image Classifier in Python

• تمرین طبقه بندی Classification Exercise

• صندوق پیشنهادات Suggestion Box

تشخیص شی Object Detection

• طرح کلی تشخیص شی Object Detection Outline

• مفاهیم: تشخیص شی Concepts: Object Detection

• رمزگشایی خروجی: IoU، سرکوب غیر حداکثری، امتیاز اعتماد Decoding the Output: IoU, Non-Max Suppression, Confidence Score

• تشخیص اشیاء از پیش آموزش دیده در پایتون Pre-trained Object Detection in Python

• از دست دادن کانونی و از دست دادن صاف L1 Focal Loss & Smooth L1 Loss

• قالب‌های مجموعه داده تشخیص شی (COCO & Pascal VOC) Object Detection Dataset Formats (COCO & Pascal VOC)

• راه اندازی LabelImg LabelImg Setup

• نسخه ی نمایشی LabelImg LabelImg Demo

• افزایش داده ها Data Augmentation

• قالب مجموعه داده شناسایی شی KerasCV KerasCV Object Detection Dataset Format

• تنظیم دقیق تشخیص اشیا در پایتون (مجموعه داده داخلی) Fine-Tuning Object Detection in Python (Built-In Dataset)

• تنظیم دقیق تشخیص اشیا در پایتون (مجموعه داده سفارشی) Fine-Tuning Object Detection in Python (Custom Dataset)

• تمرین تشخیص اشیا Object Detection Exercise

هوش مصنوعی مولد با انتشار پایدار Generative AI with Stable Diffusion

• طرح کلی انتشار پایدار Stable Diffusion Outline

• ایجاد تصاویر با انتشار پایدار در پایتون Generate Images with Stable Diffusion in Python

• مدل های انتشار چگونه کار می کنند؟ (اختیاری) How Do Diffusion Models Work? (Optional)

• Diffusion Model Architecture – Unet Diffusion Model Architecture – Unet

• چگونه Diffusion مدل‌های Diffusion را در اعلان‌ها شرط می‌کند (اختیاری) How Diffusion Models Condition on Prompts (Optional)

• نگاهی به کد منبع مدل انتشار (اختیاری) A Look at the Diffusion Model Source Code (Optional)

تنظیم محیط خود (ضمیمه/سوالات متداول بر اساس درخواست دانشجو) Setting Up Your Environment (Appendix/FAQ by Student Request)

• تنظیم محیط آناکوندا Anaconda Environment Setup

• نحوه نصب Numpy، Scipy، Matplotlib، Pandas، IPython، Theano و TensorFlow How to Install Numpy, Scipy, Matplotlib, Pandas, IPython, Theano, and TensorFlow

کمک اضافی برای برنامه نویسی پایتون برای مبتدیان (پیوست/سؤالات متداول بر اساس درخواست دانشجو) Extra Help With Python Coding for Beginners (Appendix/FAQ by Student Request)

• نکات کدنویسی مبتدیان Beginner's Coding Tips

• چگونه خود را کدنویسی کنید (قسمت 1) How to Code Yourself (Part 1)

• چگونه خود را کدنویسی کنیم (قسمت 2) How to Code Yourself (Part 2)

• اثبات اینکه استفاده از نوت بوک Jupyter همان استفاده نکردن از آن است Proof that using Jupyter Notebook is the same as not using it

استراتژی‌های یادگیری مؤثر برای یادگیری ماشین (پیوست/سؤالات متداول بر اساس درخواست دانشجو) Effective Learning Strategies for Machine Learning (Appendix/FAQ by Student Request)

• دوره های شما را به چه ترتیبی باید بگذرانم؟ (قسمت 1) What order should I take your courses in? (part 1)

• دوره های شما را به چه ترتیبی باید بگذرانم؟ (قسمت 2) What order should I take your courses in? (part 2)

ضمیمه/سوالات متداول نهایی Appendix / FAQ Finale

• کوپن های تخفیف و مواد آموزشی رایگان را از کجا می توان دریافت کرد؟ Where to Get Discount Coupons and FREE Deep Learning Material?