آموزش چشم انداز کامپیوتر برای دانشمندان داده

سرفصل ها و درس ها

معرفی Introduction

• معرفی بینایی کامپیوتر Computer vision introduction

• آنچه شما باید بدانید What you should know

1. کامپیوتر ویژن 1. Computer Vision

• انقلاب یادگیری عمیق The deep learning revolution

• بینایی کامپیوتر چیست؟ What is computer vision?

• محدودیت‌های تکنیک‌های سنتی CV Limitations of traditional CV techniques

• ImageNet ImageNet

• تاریخچه بینایی کامپیوتر A history of computer vision

2. مقدمه ای بر شبکه های عصبی کانولوشن 2. Introduction to Convolutional Neural Networks

• توابع فعال سازی Activation functions

• لایه های کانولوشن Convolutional layers

• چرا CNN ها؟ Why CNNs?

• انواع کانولوشن Types of convolutions

• لایه های کاملا متصل Fully connected layers

• لایه های ادغام Pooling layers

• مروری بر CNN ها Overview of CNNs

3. نحوه آموزش شبکه ها 3. How Networks Are Trained

• تکنیک های بهینه سازی Optimization techniques

• منظم سازی و افزایش داده ها Regularization and data augmentation

• پس انتشار در CNN ها Backpropagation in CNNs

• نظارت بر عملکردهای یادگیری و از دست دادن Supervised learning and loss functions

4. تکامل معماری CNN 4. The Evolution of CNN Architectures

• EfficientNet EfficientNet

• MobileNetV2 MobileNetV2

• VGG VGG

• MobileNetV3 MobileNetV3

• LeNet LeNet

• ResNet ResNet

• MobileNetV1 MobileNetV1

• الکس نت AlexNet

5. آموزش انتقال 5. Transfer Learning

• مقدمه ای بر یادگیری انتقالی Introduction to transfer learning

• بهترین شیوه ها برای انتقال یادگیری Best practices for transfer learning

• مراحل استخراج ویژگی و تنظیم دقیق Steps in feature extracting and fine-tuning

• انواع یادگیری انتقالی Types of transfer learning

6. PyTorch Crash Course 6. PyTorch Crash Course

• تست و ارزیابی Testing and evaluation

• حلقه آموزش The training loop

• Dataset و DataLoader Dataset and DataLoader

• استنتاج Inference

• راه اندازی محیط Setting up the environment

• راه اندازی آموزش Training setup

7. آموزش انتقال عملی با SuperGradients 7. Hands-on Transfer Learning with SuperGradients

• آموزش مدل Training the model

• مقدمه ای بر SuperGradients Introduction to SuperGradients

• مربی The trainer

• پارامترهای آموزشی مورد نیاز Required training params

• پارامترهای آموزشی اختیاری Optional training params

• چگونه تقریباً هر مشکل طبقه بندی تصویر را با SG حل کنیم How to solve almost any image classification problem with SG

• پیش بینی با مدل Predicting with the model

8. ترفندهای آموزشی 8. Training Tricks

• BatchNorm دقیق Precise BatchNorm

• میانگین متحرک نمایی Exponential moving average

• میانگین وزن Weight averaging

• انباشت دسته ای Batch accumulation

• ترفندهای آموزشی در SuperGradients Training tricks in SuperGradients

• کاهش وزن صفر در BatchNorm و سوگیری Zero weight decay on BatchNorm and bias

نتیجه Conclusion

• مراحل بعدی Next steps