آموزش طبقه بندی تصاویر سه بعدی با پایتون و کراس

Learn 3D Image Classification with Python and Keras

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: یادگیری پیش بینی پنومونی ویروسی در سی تی اسکن با کمک CNN های سه بعدی در پایتون و کراس: درک عملی طبقه بندی تصاویر سه بعدی و کاربردهای آن در تصویربرداری پزشکی، به ویژه در طبقه بندی پنومونی ویروسی در سی تی اسکن. دانش نحوه استفاده از Python، Keras و TensorFlow برای ساخت یک شبکه عصبی کانولوشنال سه بعدی (CNN) برای طبقه بندی تصاویر. تجربه عملی در پیش پردازش و آماده سازی تصاویر سه بعدی برای ورود به مدل یادگیری ماشین. درک معماری و پارامترهای مورد استفاده در یک شبکه عصبی کانولوشنال سه بعدی پیش نیازها: دانش اولیه برنامه نویسی پایتون

به دوره آموزشی "یادگیری طبقه بندی تصاویر سه بعدی با پایتون و کراس" خوش آمدید. در این دوره جامع و عملی، نحوه ساخت یک شبکه عصبی کانولوشنال سه بعدی (CNN) قدرتمند برای طبقه بندی سی تی اسکن را خواهید آموخت. با استفاده از پلتفرم Google Colab، Python و Keras در TensorFlow، می‌توانید به طور موثر تصاویر پزشکی را تجزیه و تحلیل کنید و وجود پنومونی ویروسی را در اسکن‌های توموگرافی کامپیوتری (CT) پیش‌بینی کنید.

تصویربرداری پزشکی نقش حیاتی در تشخیص بیماری ایفا می کند و این دوره مهارت ها و تکنیک های لازم را برای برتری در این زمینه در اختیار شما قرار می دهد. شما قادر خواهید بود با چالش های دنیای واقعی مقابله کنید و پایه ای قوی در طبقه بندی تصاویر سه بعدی و یادگیری عمیق به دست آورید. این یک فرصت عالی برای متخصصان مراقبت های بهداشتی، دانشمندان داده و هر کسی است که به دنبال پیشرفت مهارت های هوش مصنوعی خود است.

در پایان این دوره، درک کاملی از نحوه طبقه بندی تصاویر سه بعدی با استفاده از Python و Keras خواهید داشت. شما یک پروژه نمونه کار خواهید داشت که می توانید آن را به کارفرمایان بالقوه نشان دهید و بتوانید با اطمینان مهارت های خود را در یک محیط حرفه ای به کار ببرید. این دوره با رویکرد واضح و مختصر خود، برای به حداکثر رساندن پتانسیل یادگیری شما در کمترین زمان ممکن طراحی شده است.

همین الان ثبت نام کنید و اولین قدم را به سمت یک حرفه کامل در طبقه بندی تصاویر سه بعدی و هوش مصنوعی بردارید. یادگیری مبارک!


سرفصل ها و درس ها

مبانی Fundamentals

  • معرفی Introduction

  • کامپیوتر ویژن چیست؟ What is Computer Vision?

  • طبقه بندی تصاویر سه بعدی چیست؟ What is 3D Image Classification ?

  • پروژه ما Our Project

  • طبقه بندی تصاویر سه بعدی چگونه انجام می شود؟ How 3D Image Classification is done?

  • چرا پایتون و کراس؟ Why Python and Keras?

  • چرا گوگل کولب؟ Why Google Colab?

ساخت و پیش بینی مدل Model Building and Prediction

  • یک پوشه "3d_classification" ایجاد کنید Create a “3d_classification” folder

  • مجموعه داده را آپلود کنید Upload Dataset

  • کد پایتون Python Code

  • مدل از پیش آموزش دیده Pre-Trained Model

  • پوشه پیش بینی Prediction Folder

  • فعال کردن GPU در Google Colab Enabling GPU in Google Colab

  • آیا GPU به نوت بوک Colab متصل است؟ Is GPU connected to Colab notebook?

  • Google Colab را با Google Drive وصل کنید Connect Google Colab with Google Drive

  • واردات کتابخانه ها Import Libraries

  • دایرکتوری را مشخص کنید Specify Directory

  • تعداد سی تی اسکن ها را بررسی کنید Check the number of CT scans

  • یک نمونه سی تی اسکن را تجسم کنید Visualize a Sample CT Scan

  • پیش پردازش Preprocessing

  • برای سی تی اسکن ها برچسب ایجاد کنید Create Labels for the CT Scans

  • تقسیم داده ها Splitting Data

  • پیش پردازش و تقویت داده ها Data Pre-Processing and Augmentation

  • تجسم سی تی اسکن تقویت شده Visualizing an Augmented CT Scan

  • ساختمان مدل Model Building

  • نمایش تصویری سی ان ان سه بعدی Visual Representation of 3D CNN

  • تدوین مدل Model Compilation

  • تماس های تلفنی Callbacks

  • آموزش Training

  • بارگیری وزنه های از پیش تمرین شده Loading Pre-Trained Weights

  • پیش بینی Prediction

نمایش نظرات

آموزش طبقه بندی تصاویر سه بعدی با پایتون و کراس
جزییات دوره
1 hour
31
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,005
- از 5
دارد
دارد
دارد
Karthik K
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Karthik K Karthik K

مهندس محاسبات مهندس اختصاص داده شده به استفاده از قدرت CFD و یادگیری ماشین برای حل مشکلات دنیای واقعی ، بهبود طراحی و ارزیابی عملکرد. بیش از ده سال تجربه در مهندسی و محیط تحقیق و توسعه. متخصص مهندسی با تمرکز بر چند فیزیک CFD-ML از IIT Madras. با تجربه در اجرای راه حل های عمل گرا برای مسئله پیچیده کسب و کار.