آموزش اصول بینایی ماشین با گوگل کلاد (Google Cloud) - آخرین آپدیت

مقدمه Introduction

• معرفی دوره Course Introduction

آشنایی با بینایی ماشین و مدل‌های پیش‌ساخته ML برای طبقه‌بندی تصاویر Introduction to Computer Vision and Pre-built ML Models for Image Classification

• بینایی ماشین چیست؟ What Is Computer Vision

• انواع مختلف مسائل بینایی ماشین Different Type of Computer Vision Problems

• کاربردهای بینایی ماشین Computer Vision Use Cases

• مدل‌های پیش‌ساخته ML در Vision API Vision API - Pre-built ML Models

• معرفی آزمایشگاه: تشخیص برچسب‌ها، چهره‌ها و نقاط دیدنی در تصاویر با Cloud Vision API Lab Introduction - Detecting Labels, Faces, and Landmarks in Images with the Cloud Vision API

• معرفی آزمایشگاه: استخراج متن از تصاویر با استفاده از Google Cloud Vision API Lab Introduction - Lab: Extracting Text from the images using the Google Cloud Vision API

پلتفرم Vertex AI و ابزار AutoML Vision در Vertex AI Vertex AI and AutoML Vision on Vertex AI

• Vertex AI چیست و چرا یک پلتفرم یکپارچه اهمیت دارد؟ What is Vertex AI and why does a unified platform matter?

• مقدمه‌ای بر AutoML Vision در Vertex AI Introduction to AutoML Vision on Vertex AI

• Vertex AI چگونه به گردش کار ML کمک می‌کند؟ (بخش اول) How does Vertex AI help with the ML workflow, part 1 ?

• Vertex AI چگونه به گردش کار ML کمک می‌کند؟ (بخش دوم) How does Vertex AI help with the ML workflow, part 2 ?

• کدام محصول بینایی ماشین برای شما مناسب است؟ Which vision product is right for you ?

• معرفی آزمایشگاه: شناسایی قطعات آسیب‌دیده خودرو با Vertex AI برای کاربران AutoML Vision Lab Introduction - Identifying Damaged Car Parts with Vertex AI for AutoML Vision users

آموزش سفارشی با مدل‌های خطی، شبکه عصبی و شبکه عصبی عمیق Custom Training with Linear, Neural Network and Deep Neural Network models

• مقدمه Introduction

• آشنایی با مدل‌های خطی Introduction to Linear Models

• خواندن داده‌ها Reading the Data

• پیاده‌سازی مدل‌های خطی برای طبقه‌بندی تصاویر Implementing Linear Models for Image Classification

• معرفی آزمایشگاه: طبقه‌بندی تصاویر با مدل خطی Lab Introduction - Classifying Images with a Linear Model

• شبکه‌های عصبی و شبکه‌های عصبی عمیق برای طبقه‌بندی تصاویر Neural Networks and Deep Neural Networks for Image Classification

• معرفی آزمایشگاه: طبقه‌بندی تصاویر با مدل‌های NN و DNN Lab Introduction - Classifying Images with a NN and DNN Model

• شبکه‌های عصبی عمیق با Dropout و Batch Normalization Deep Neural Networks with Dropout and Batch Normalization

• معرفی آزمایشگاه: طبقه‌بندی تصاویر با استفاده از لایه‌های Dropout و Batchnorm Lab Introduction - Classifying Images using Dropout and Batchnorm Layer

شبکه‌های عصبی پیچشی (CNN) Convolutional Neural Networks

• مقدمه Introduction

• شبکه‌های عصبی پیچشی (CNN) Convolutional Neural Networks

• درک مفهوم کانولوشن (Convolutions) Understanding Convolutions

• پارامترهای مدل CNN CNN Model Parameters

• کار با لایه‌های Pooling Working with Pooling Layers

• پیاده‌سازی CNNها در Vertex AI با استفاده از کانتینر پیش‌ساخته TF Implementing CNNs on Vertex AI by using a pre-built TF container

• معرفی آزمایشگاه: طبقه‌بندی تصاویر با کانتینر پیش‌ساخته TF در Vertex AI Lab Introduction - Classifying Images with pre-built TF Container on Vertex AI

کار با داده‌های تصویری Dealing with Image Data

• مقدمه Introduction

• پیش‌پردازش داده‌های تصویری Preprocessing the Image data

• پارامترهای مدل و مشکل کمبود داده‌ها Model Parameters and the Data Scarcity Problem

• افزایش داده‌ها (Data Augmentation) Data Augmentation

• معرفی آزمایشگاه: طبقه‌بندی تصاویر با استفاده از افزایش داده‌ها Lab Introduction - Classifying Images using Data Augmentation

• یادگیری انتقالی (Transfer Learning) Transfer Learning

جمع‌بندی Summary

• جمع‌بندی Summary