آموزش یادگیری عمیق و بینایی ماشین: تشخیص اشیاء با PyTorch - آخرین آپدیت

دانلود Deep Learning and Computer Vision: Object Detection with PyTorch

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

این دوره پیشرفته یادگیری عمیق و بینایی ماشین بر روی ساخت، آموزش و بهینه‌سازی مدل‌های تشخیص اشیاء (Object Detection) با استفاده از PyTorch تمرکز دارد. در این دوره با همراهی مدرس، Prateek Sawhney، نحوه کار با مدل‌های محبوب تشخیص اشیاء مانند YOLO، SSD و Faster R-CNN را خواهید آموخت و تجربه عملی در پروژه‌های واقعی کسب خواهید کرد. در پایان این دوره، شما قادر خواهید بود پیشرفته‌ترین سیستم‌های تشخیص اشیاء را پیاده‌سازی و ارزیابی کرده، مدل‌ها را برای دستیابی به بهترین عملکرد بهینه‌سازی کنید و آن‌ها را در برنامه‌های کاربردی بلادرنگ (Real-time) مستقر نمایید.

این دوره با GitHub Codespaces ادغام شده است؛ یک محیط توسعه ابری فوری که تمامی قابلیت‌های IDE مورد علاقه شما را بدون نیاز به نصب هیچ نرم‌افزاری روی سیستم محلی فراهم می‌کند. با GitHub Codespaces، می‌توانید در هر زمان و با هر دستگاهی تمرینات عملی را انجام دهید—ابزاری که احتمالاً در محیط‌های کاری حرفه‌ای با آن مواجه خواهید شد. برای شروع، بخش “استفاده از GitHub Codespaces”را در این دوره بررسی کنید.


سرفصل ها و درس ها

مقدمه Introduction

  • خوش‌آمدگویی به دوره Course welcome

  • پیش‌نیازها Prerequisites

1. مقدمه‌ای بر یادگیری عمیق 1. Introduction to Deep Learning

  • راه‌اندازی GitHub Codespaces Setting up GitHub Codespaces

  • مروری بر یادگیری عمیق، بخش دوم Overview of deep learning, part 2

  • درک شبکه‌های عصبی Understanding neural networks

  • مروری بر یادگیری عمیق، بخش اول Overview of deep learning, part 1

2. آشنایی با مبانی PyTorch 2. Introduction to PyTorch Basics

  • استفاده از GitHub Codespaces برای توسعه PyTorch Using GitHub Codespaces for PyTorch development

  • PyTorch برای یادگیری عمیق، بخش اول PyTorch for deep learning, part 1

  • PyTorch برای یادگیری عمیق، بخش دوم PyTorch for deep learning, part 2

  • شروع کار با PyTorch Getting started with PyTorch

3. مقدمه‌ای بر بینایی ماشین 3. Introduction to Computer Vision

  • بینایی ماشین چیست؟ What is computer vision?

  • استفاده از GitHub Codespaces برای وظایف بینایی ماشین Using GitHub Codespaces for computer vision tasks

  • مبانی پردازش تصویر Basics of image processing

4. مبانی تشخیص اشیاء 4. Basics of Object Detection

  • مدل‌های تشخیص اشیاء و انواع آن‌ها Object detection models and their types

  • تشخیص اشیاء چیست؟ What is object detection?

5. پیاده‌سازی تشخیص اشیاء با PyTorch 5. Implementing Object Detection with PyTorch

  • راه حل: پیاده‌سازی تشخیص اشیاء در GitHub Codespaces با PyTorch Solution: Implementing object detection in GitHub Codespaces using PyTorch

  • چالش: پیاده‌سازی تشخیص اشیاء در GitHub Codespaces با PyTorch Challenge: Implementing object detection in GitHub Codespaces using PyTorch

  • راه‌اندازی محیط Setting up the environment

  • کدنویسی YOLOv5 در PyTorch Coding YOLOv5 in PyTorch

6. ارزیابی و بهینه‌سازی مدل‌های تشخیص اشیاء 6. Evaluating and Fine-Tuning Object Detection Models

  • ارزیابی مدل‌های تشخیص اشیاء Evaluating object detection models

  • بهینه‌سازی (Fine-tuning) مدل‌های تشخیص اشیاء Fine-tuning object detection models

7. تکنیک‌های پیشرفته تشخیص اشیاء 7. Advanced Object Detection Techniques

  • تشخیص اشیاء به‌صورت بلادرنگ (Real-time) Real-time object detection

  • یادگیری انتقالی در تشخیص اشیاء Transfer learning in object detection

8. ساخت یک سیستم تشخیص اشیاء 8. Building an Object Detection System

  • راه حل: پیاده‌سازی Solution: Implementation

  • چالش: پیاده‌سازی Challenge: Implementation

جمع‌بندی Conclusion

  • گام‌های بعدی و یادگیری بیشتر Next steps and further learning

  • مرور کلی Recap

نمایش نظرات

آموزش یادگیری عمیق و بینایی ماشین: تشخیص اشیاء با PyTorch
جزییات دوره
0h 59m
27
(آخرین آپدیت)
4,862
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Prateek Sawhney Prateek Sawhney

مهندس هوش مصنوعی در CM1 GmbH، کارشناس پردیس GitHub

Prateek Sawhney یک مهندس هوش مصنوعی در CM1 GmbH و یک متخصص پردیس GitHub است.

Prateek دارای پیشینه تحصیلی غنی در هوش مصنوعی و علاقه‌مند به یادگیری ماشینی و ماشین‌های خودران است. تجربه و مهارت Prateek در یادگیری ماشینی و یادگیری عمیق به او به عنوان یک متخصص در این زمینه کمک کرده است. او فارغ التحصیل برنامه حرفه ای هوش مصنوعی در یادگیری ماشین در دانشگاه استنفورد، دارای لیسانس فناوری در فناوری اطلاعات از موسسه فناوری مهاراجا آگراسن در دهلی نو، هند است. در طول سال‌ها، او در نقش‌های مختلف در لنوو، گوگل، تنسورفلو و جاهای دیگر کار، کارآموزی یا راهنمایی کرده است.