آموزش [AI] با Python & React یک برنامه وب شناسایی اشیاء ایجاد کنید

دانلود [AI] Create a Object Recognition Web App with Python & React

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: برنامه های وب مبتنی بر هوش مصنوعی را با FastAPI و React بسازید. یادگیری ماشین با پایتون را برای توسعه دهندگان کشف کنید. هوش مصنوعی و اصول یادگیری ماشین با دست در برنامه نویسی پایه در پایتون و فریمورک های تایپ اسکریپت Handle مانند FastAPI و React Build دنیای واقعی برنامه تشخیص شی مدرن پیش نیازها: بدون نیاز به تجربه برنامه نویسی. فقط کامپیوتر و دسترسی به اینترنت

[AI] ایجاد یک برنامه وب شناسایی شی با Python React

برنامه های وب مبتنی بر هوش مصنوعی را با FastAPI و React بسازید. یادگیری ماشینی با Python را برای توسعه دهندگان کشف کنید.

این دوره جامع، "[AI] ایجاد یک برنامه وب شناسایی شی با Python React" برای توانمندسازی توسعه دهندگان با مهارت های ساخت برنامه های کاربردی مبتنی بر هوش مصنوعی طراحی شده است. با ترکیب قدرت FastAPI، TensorFlow، و React، دانش‌آموزان می‌آموزند که یک برنامه وب تشخیص اشیاء تمام پشته ایجاد کنند که پتانسیل یادگیری ماشین را در توسعه وب مدرن به نمایش می‌گذارد.

در طول این دوره عملی، شرکت‌کنندگان با تمرکز اصلی روی Python برای توسعه هوش مصنوعی و باطن و TypeScript برای پیاده‌سازی frontend، عمیقاً به فناوری‌های Backend و Frontend می‌پردازند. این دوره با معرفی دانش‌آموزان با اصول یادگیری ماشین و بینایی کامپیوتر آغاز می‌شود و پایه‌ای محکم در مفاهیم هوش مصنوعی ضروری برای وظایف تشخیص اشیا فراهم می‌کند.


***سلب مسئولیت*** این دوره بخشی از یک مجموعه 3 برنامه کاربردی است که در آن ما برنامه های مشابهی را با فناوری های مختلف از جمله Angular، React و یک اپلیکیشن موبایل متقابل پلتفرم با React Native CLI می سازیم. لطفاً چارچوب ظاهری را انتخاب کنید که برای شما مناسب است.


سپس دانش‌آموزان چارچوب FastAPI را بررسی می‌کنند و یاد می‌گیرند که چگونه APIهای REST کارآمد و مقیاس‌پذیر ایجاد کنند که به عنوان ستون فقرات برنامه عمل می‌کنند. این بخش موضوعاتی مانند رسیدگی به درخواست، اعتبارسنجی داده ها، و برنامه نویسی ناهمزمان در پایتون را پوشش می دهد و اطمینان حاصل می کند که پشتیبان می تواند نیازهای پردازش تشخیص شی را در زمان واقعی انجام دهد.

قلب این دوره در مؤلفه یادگیری ماشینی آن نهفته است، جایی که دانش آموزان به طور گسترده با TensorFlow برای ساخت و آموزش مدل های تشخیص شی سفارشی کار خواهند کرد. شرکت کنندگان نحوه آماده سازی مجموعه داده ها، طراحی معماری شبکه های عصبی و تنظیم دقیق مدل های از پیش آموزش دیده برای عملکرد بهینه را خواهند آموخت. این دوره همچنین موضوعات ضروری مانند افزایش داده ها، یادگیری انتقال، و تکنیک های ارزیابی مدل را پوشش می دهد.

در قسمت جلو، دانش آموزان از React و TypeScript برای ایجاد یک رابط کاربری پویا و پاسخگو استفاده می کنند. این بخش بر روی ساخت اجزای قابل استفاده مجدد، مدیریت وضعیت برنامه و اجرای به روز رسانی های بلادرنگ برای نمایش نتایج تشخیص اشیا تمرکز دارد. شرکت‌کنندگان همچنین یاد می‌گیرند که چگونه صفحه اصلی را با باطن FastAPI ادغام کنند و از ارتباط یکپارچه بین دو لایه برنامه اطمینان حاصل کنند.

در طول دوره، تاکید بر بهترین شیوه ها در توسعه نرم افزار، از جمله سازماندهی کد و ساختار پروژه خواهد بود. دانش‌آموزان همچنین با در نظر گرفتن عواملی مانند سرویس‌دهی مدل، مقیاس‌پذیری و بهینه‌سازی عملکرد، بینش‌هایی در مورد استقرار برنامه‌های وب مبتنی بر هوش مصنوعی کسب خواهند کرد.

در پایان دوره، شرکت‌کنندگان یک برنامه وب کاملاً کاربردی برای تشخیص اشیا ایجاد می‌کنند و تجربه عملی در ترکیب فناوری‌های هوش مصنوعی با چارچوب‌های توسعه وب مدرن به دست می‌آورند. این رویکرد مبتنی بر پروژه تضمین می‌کند که دانش‌آموزان نه تنها مفاهیم نظری را درک می‌کنند، بلکه مهارت‌های عملی لازم برای ساخت برنامه‌های کاربردی مبتنی بر هوش مصنوعی در سناریوهای دنیای واقعی را نیز کسب می‌کنند.

چه شما یک توسعه‌دهنده با تجربه هستید که می‌خواهید مجموعه مهارت‌های خود را گسترش دهید یا علاقه‌مند به هوش مصنوعی و مشتاق زنده کردن مدل‌های یادگیری ماشینی در وب، این دوره آموزشی ترکیبی عالی از تئوری و عمل را برای کمک به شما در دستیابی به اهداف خود در این زمینه ارائه می‌کند. زمینه هیجان انگیز توسعه وب مبتنی بر هوش مصنوعی.


جلد طراحی شده توسط FreePik


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

  • هوش مصنوعی، یادگیری ماشین و یادگیری عمیق AI, Machine Learning and Deep Learning

  • شبکه های عصبی کانولوشن (CNN) Convolutional Neural Networks (CNNs)

  • نصب VSCode Installing VSCode

  • پسوندهای VSCode VSCode Extensions

  • بهترین راه برای استفاده از این دوره Best way to take advantage of this course

  • آزمون هوش مصنوعی، یادگیری ماشین و یادگیری عمیق AI, Machine Learning and Deep Learning Quiz

FastAPI و Python Setup FastAPI and Python Setup

  • Python و FastAPI چیست؟ What is Python and FastAPI?

  • نصب پایتون برای MacOS Installing Python for MacOS

  • نصب پایتون برای ویندوز Installing Python for Windows

  • نصب و اجرای FastAPI Installing and running FastAPI

  • یک مسیر نمونه دیگر Another Example Route

  • اجرای سرور با Uvicorn Running the server with Uvicorn

  • نصب پکیج ها با استفاده از request.txt Installing packages using requirements.txt

React Application Setup React Application Setup

  • React و Typescript چیست؟ What is React and Typescript?

  • NodeJS را نصب کنید Install NodeJS

  • اولین React App را با Vite ایجاد کنید Create First React App with Vite

  • کامپوننت و سبک ImageControl ImageControl Component and Style

  • تنظیم متغیرهای حالت Setting State Variables

  • الگوی پیش بینی ها و جعبه های تصویر Predictions and Image Boxes Template

  • ورودی آپلود تصویر Image Upload Input

ایجاد و تنظیم مدل پیش بینی Creating and Setting Prediction Model

  • توضیح TensorFlow، مدل SSD و Coco Dataset Explaining TensorFlow, SSD Model and Coco Dataset

  • افزودن MobileNetV2 SSD مدل COCO DataSet Adding MobileNetV2 SSD COCO Model DataSet

  • بارگیری مدل از پیش آموزش دیده در برنامه ما Loading Pre-Trained Model into our App

  • اجرای تابع استنتاج Run Inference Function

  • پیش بینی مسیر Predict Route

  • نقشه برچسب Label Map

  • بازگرداندن نتایج از مسیر پیش بینی Returning Results From Prediction Route

  • آزمایش مسیر پیش بینی Testing Predict Route

افزودن Serve Data به FrontEnd Adding Serve Data to FrontEnd

  • از UploadImageHook استفاده کنید UseUploadImageHook

  • انواع نتایج Result Types

  • برگرداندن داده ها از هوک Returning Data from Hook

  • استفاده از هوک در کنترل تصویر Using Hook in Image Control

  • کلید API API Key

  • HandleUpload و HandleImage HandleUpload and HandleImage

  • تست آپلود تصویر Testing Image Upload

  • CORS مجاز است Allow CORS

  • دریافت نتایج در صفحه نمایش Getting Results into Screen

سخنرانی های اضافی Additional Lectures

  • تقسیم FrontEnd به اجزای کوچکتر Splitting FrontEnd into smaller components

  • React Props React Props

  • پیش بینی خطاها و اشتباهات Predictions Errors and Mistakes

  • از موارد و محدودیت ها استفاده کنید Use cases and limitations

پاداش Bonus

  • پاداش Bonus

نمایش نظرات

آموزش [AI] با Python & React یک برنامه وب شناسایی اشیاء ایجاد کنید
جزییات دوره
3 hours
42
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,020
4.9 از 5
دارد
دارد
دارد
Tiago Pereira
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Tiago Pereira Tiago Pereira

Full Stack Web and Mobile DeveloperHi! نام من Tiago Pereira است و من یک توسعه دهنده وب و موبایل Full Stack هستم که در حال حاضر برای یک شرکت بین المللی بزرگ به عنوان توسعه دهنده نرم افزار کار می کنم. من چندین سال تجربه ساختن برنامه های کاربردی وب و موبایلی کوچک تا بزرگ دارم که به عملکردها، اهداف و سیستم های مختلف دسترسی دارند. من مشتاق استک MEAN و MERN، و همچنین چارچوب‌های React Native، Ionic و Electron هستم، که به من اجازه می‌دهد طیف وسیعی از برنامه‌های کاربردی را برای وب، موبایل و دسکتاپ بسازم. نمی توانم صبر کنم تا دانش خود را با دانش آموزانم به اشتراک بگذارم، بنابراین با هم برنامه های عالی برای تغییر جهان ایجاد می کنیم!