آموزش بینایی ماشین با یادگیری ماشین تعبیه‌شده (Embedded ML) - آخرین آپدیت

دانلود Computer Vision with Embedded Machine Learning

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: بینایی ماشین (CV) یک حوزه مطالعاتی جذاب است که تلاش می‌کند فرآیند تخصیص معنا به تصاویر یا ویدئوهای دیجیتال را خودکار کند. به عبارت دیگر، ما به کامپیوترها کمک می‌کنیم تا دنیای اطراف ما را ببینند و درک کنند! برای انجام وظایف بینایی ماشین می‌توان از تعدادی الگوریتم و تکنیک یادگیری ماشین (ML) استفاده کرد و با سریع‌تر و کارآمدتر شدن یادگیری ماشین، می‌توانیم این تکنیک‌ها را در سیستم‌های تعبیه‌شده (Embedded Systems) پیاده‌سازی کنیم. این دوره که با همکاری Edge Impulse، OpenMV، Seeed Studio و بنیاد TinyML ارائه شده است، به شما درک می‌کند که چگونه می‌توان از یادگیری عمیق با شبکه‌های عصبی برای طبقه‌بندی تصاویر و تشخیص اشیاء در عکس‌ها و ویدئوها استفاده کرد. شما فرصت خواهید داشت تا این مدل‌های یادگیری ماشین را روی سیستم‌های تعبیه‌شده مستقر کنید که به عنوان یادگیری ماشین تعبیه‌شده یا TinyML شناخته می‌شود. برای درک برخی مباحث و تکمیل پروژه‌ها، آشنایی با زبان برنامه‌نویسی پایتون و مفاهیم پایه یادگیری ماشین (مانند شبکه‌های عصبی، آموزش، استنتاج و ارزیابی) توصیه می‌شود. همچنین برای کوئیزها و پروژه‌ها به مقداری دانش ریاضی (خواندن نمودارها، حساب و جبر) نیاز است. اگر هنوز این کار را نکرده‌اید، گذراندن دوره «مقدمه‌ای بر یادگیری ماشین تعبیه‌شده» توصیه می‌شود. این دوره مفاهیم و واژگان لازم برای درک نحوه عملکرد شبکه‌های عصبی پیچشی (CNNs) را پوشش می‌دهد و نحوه استفاده از آن‌ها برای طبقه‌بندی تصاویر و تشخیص اشیاء را آموزش می‌دهد. پروژه‌های عملی به شما این فرصت را می‌دهد تا CNNهای خود را آموزش داده و آن‌ها را روی یک میکروکنترلر و/یا کامپیوتر تک‌بردی (SBC) مستقر کنید.

سرفصل ها و درس ها

طبقه‌بندی تصاویر Image Classification

  • خوش‌آمدگویی به دوره Welcome to the Course

  • معرفی مدرسین Instructor Introductions

  • بینایی ماشین چیست؟ What is Computer Vision?

  • مروری بر تصاویر دیجیتال Overview of Digital Images

  • جمع‌آوری داده‌ها Data Collection

  • مروری بر طبقه‌بندی تصاویر Overview of Image Classification

  • مرور شبکه‌های عصبی Review of Neural Networks

  • آموزش طبقه‌بندی‌کننده تصاویر با Keras Training an Image Classifier with Keras

  • استفاده از Colab برای سازماندهی و آپلود مجموعه داده Using Colab to Curate and Upload a Dataset

  • استفاده از Edge Impulse برای آموزش مدل Using Edge Impulse to Train a Model

  • استنتاج روی کامپیوتر تک‌بردی Inference on a Single Board Computer

  • استنتاج روی میکروکنترلر (MicroPython) Inference on a Microcontroller (MicroPython)

  • مرور فصل اول Review of Module 1

شبکه‌های عصبی پیچشی Convolutional Neural Networks

  • کانولوشن تصویر Image Convolution

  • لایه پولینگ (Pooling) Pooling Layer

  • شبکه عصبی پیچشی Convolutional Neural Network

  • آموزش یک شبکه عصبی پیچشی Training a Convolutional Neural Network

  • بصری‌سازی CNN CNN Visualizations

  • افزایش داده‌ها (Data Augmentation) Data Augmentation

  • یادگیری انتقالی و MobileNet Transfer Learning and MobileNet

  • یادگیری انتقالی با Edge Impulse Transfer Learning with Edge Impulse

  • مرور فصل دوم Review of Module 2

تشخیص اشیاء Object Detection

  • مقدمه‌ای بر تشخیص اشیاء Introduction to Object Detection

  • معیارهای ارزیابی عملکرد تشخیص اشیاء Object Detection Performance Metrics

  • مدل‌های تشخیص اشیاء Object Detection Models

  • آموزش مدل تشخیص اشیاء Training an Object Detection Model

  • استقرار مدل تشخیص اشیاء روی کامپیوتر تک‌بردی Deploy Object Detection Model to a Single Board Computer

  • بخش‌بندی تصویر (Image Segmentation) Image Segmentation

  • استنتاج چند مرحله‌ای با دیمیتری ماسلوف Multi-stage Inference with Dmitry Maslov

  • استفاده مجدد از نمایش‌ها با مت کلسی Reusing Representations with Mat Kelcey

  • مرور فصل سوم Review of Module 3

  • جمع‌بندی و نتیجه‌گیری Conclusion

نمایش نظرات

آموزش بینایی ماشین با یادگیری ماشین تعبیه‌شده (Embedded ML)
جزییات دوره
31h 7m
32
(آخرین آپدیت)
26,380
4.8 از 5
دارد
دارد
دارد
Shawn Hymel
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Shawn Hymel Shawn Hymel

ابرقهرمان مهندسی