پروژه یادگیری عمیق پایتون: طبقه بندی تصاویر مبتنی بر CNN

Deep Learning Python Project: CNN based Image Classification

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: طبقه‌بندی تصویر اصلی با CNN در مجموعه داده CIFAR-10: یک پروژه یادگیری عمیق برای مبتدیان با استفاده از پایتون درک اصول شبکه‌های عصبی کانولوشن (CNN) یاد بگیرید چگونه داده‌های تصویر را برای وظایف یادگیری عمیق پردازش کنید پیاده‌سازی یک معماری مدل CNN برای طبقه‌بندی تصاویر از ابتدا Train و ارزیابی مدل‌های CNN با استفاده از مجموعه داده CIFAR-10 آموزش پیاده‌سازی Hyperparameter Tunning در معماری مدل CNN کسب تجربه عملی در ساخت و استقرار مدل‌های طبقه‌بندی تصاویر این را به عنوان پروژه Deep Learning به رزومه خود اضافه کنید. اتصال برای تماشای این دوره درک اولیه برنامه نویسی پایتون درک پایه ای از یادگیری عمیق، اگرچه ما مفاهیم اساسی را پوشش خواهیم داد. بدون نیاز به تجربه توسعه نرم افزار، شما هر آنچه را که نیاز دارید یاد خواهید گرفت.

مخاطبان این دوره چه کسانی هستند؟

این دوره برای مبتدیانی طراحی شده است که مشتاق هستند به دنیای یادگیری عمیق و هوش مصنوعی شیرجه بزنند. اگر شما یک دانش آموز، یک دانشمند داده مشتاق یا یک توسعه دهنده نرم افزار هستید که علاقه زیادی به یادگیری ماشین و پردازش تصویر دارید، این دوره برای شما عالی است. هیچ تجربه قبلی با یادگیری عمیق مورد نیاز نیست، اما درک اولیه برنامه نویسی پایتون مفید است.

چرا این دوره مهم است؟

درک یادگیری عمیق و شبکه های عصبی کانولوشنال (CNN) در دنیای تکنولوژی محور امروزی ضروری است. CNN ها ستون فقرات بسیاری از برنامه های هوش مصنوعی، از تشخیص چهره گرفته تا رانندگی خودکار هستند. با تسلط بر طبقه بندی تصاویر با CNN با استفاده از مجموعه داده CIFAR-10، تجربه عملی در یکی از کاربردی ترین و کاربردی ترین حوزه های هوش مصنوعی به دست خواهید آورد.

این دوره مهم است زیرا:

  1. پایه محکمی در یادگیری عمیق و تکنیک‌های طبقه‌بندی تصویر فراهم می‌کند.

  2. شما را به مهارت‌های کار در پروژه‌های هوش مصنوعی در دنیای واقعی مجهز می‌کند و قابلیت استخدام شما را افزایش می‌دهد.

  3. رویکرد یادگیری عملی و مبتنی بر پروژه را ارائه می‌دهد که مؤثرتر از مطالعه نظری است.

  4. به شما کمک می‌کند تا یک پروژه نمونه کار قابل توجه بسازید که توانایی‌های شما را به کارفرمایان بالقوه نشان دهد.

در این دوره چه چیزی یاد خواهید گرفت؟

در این پروژه راهنمای جامع، خواهید آموخت:

  1. مقدمه ای بر یادگیری عمیق و CNN:

    • درک اصول یادگیری عمیق و شبکه های عصبی.

    • آموزش معماری و عملکرد شبکه های عصبی کانولوشنال.

    • نمای کلی از مجموعه داده CIFAR-10.

  2. تنظیم محیط:

    • نصب و پیکربندی نرم افزارها و کتابخانه های لازم (TensorFlow، Keras و غیره).

    • در حال بارگیری و کاوش مجموعه داده CIFAR-10.

  3. ساخت و آموزش CNN:

    • طراحی و اجرای یک شبکه عصبی کانولوشن از ابتدا.

    • آموزش CNN در مورد مجموعه داده CIFAR-10.

    • درک مفاهیم کلیدی مانند لایه‌های کانولوشن، لایه‌های ادغام و لایه‌های کاملاً متصل.

  4. ارزیابی و بهبود مدل شما:

    • عملکرد مدل خود را با استفاده از معیارهای مناسب ارزیابی کنید.

    • اجرای تکنیک هایی برای بهبود دقت و کاهش بیش از حد برازش.

  5. استقرار مدل شما:

    • ذخیره و بارگیری مدل های آموزش دیده.

    • استقرار مدل خود برای پیش‌بینی در زمان واقعی.

  6. تکمیل پروژه و ساخت نمونه کارها:

    • تکمیل پروژه با مدل نهایی صیقلی.

    • مستند کردن کار خود برای افزودن به مجموعه هوش مصنوعی.

در پایان این دوره، شما درک عمیقی از CNN ها و توانایی به کارگیری این دانش برای طبقه بندی موثر تصاویر خواهید داشت. این پروژه عملی نه تنها مهارت های فنی شما را افزایش می دهد، بلکه اعتماد به نفس شما را در مقابله با مشکلات پیچیده هوش مصنوعی نیز به میزان قابل توجهی افزایش می دهد. در این سفر هیجان انگیز برای تسلط بر طبقه بندی تصاویر با CNN در CIFAR-10 به ما بپیوندید!


سرفصل ها و درس ها

مقدمه دوره Introduction to the Course

  • معرفی دوره Course Introduction

مبانی CNN و مروری بر مجموعه داده Fundamentals of CNN and Overview of the Dataset

  • مقدمه ای کوتاه بر شبکه های عصبی کانولوشن (CNN) Brief Introduction to Convolutional Neural Networks (CNN)

  • مروری بر مجموعه داده CIFAR-10 Overview of CIFAR-10 Dataset

طبقه بندی تصویر با استفاده از مدل سفارشی CNN در مجموعه داده CIFAR-10 Image classification using custom CNN Model on CIFAR-10 Dataset

  • کدگذاری قسمت 1: مراحل درگیر Coding Part 1: Steps Involved

  • کدگذاری قسمت 2: طبقه بندی تصاویر با استفاده از مدل سفارشی CNN Coding Part 2: Image classification using custom CNN Model

طبقه بندی تصویر با استفاده از مدل سفارشی CNN با تنظیم فراپارامتر Image classification using custom CNN Model with Hyperparameter Tunning

  • مروری بر تنظیم اولیه Hyperparameter در CNN Overview of Basic Hyperparameter Tuning in CNN

  • کدگذاری قسمت 3: CNN با تنظیم اولیه Hyperparameter Coding Part 3: CNN with basic Hyperparameter Tunning

  • مروری بر تنظیم پیشرفته فراپارامتر در CNN Overview of Advanced Hyperparameter Tuning in CNN

  • کدگذاری قسمت 4: CNN با تنظیم پیشرفته Hyperparameter Coding Part 4: CNN with advanced Hyperparameter Tunning

تکلیف: طبقه بندی تصویر با استفاده از مدل LeNet-5 CNN در مجموعه داده CIFAR-10 Assignment: Image classification using LeNet-5 CNN Model on CIFAR-10 Dataset

  • مروری بر مدل LeNet-5 CNN و دستورالعمل‌های تکلیف Overview of LeNet-5 CNN Model and Assignment Guidelines

  • بررسی شما مهم است! Your Review Matters!

نمایش نظرات

پروژه یادگیری عمیق پایتون: طبقه بندی تصاویر مبتنی بر CNN
جزییات دوره
1.5 hours
11
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
10,989
4.2 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Dr Raj Gaurav Mishra Dr Raj Gaurav Mishra

مشاور علوم داده و علاقه مندان به یادگیری عمیق