شبکه های عصبی کانولوشن (CNN): تسلط بصری با یادگیری عمیق

Convolutional Neural Networks (CNNs): Visual Mastery with Deep Learning

در حال بارگزاری نمونه ویدیو، لطفا صبر کنید...
Video Player is loading.
Current Time 0:00
Duration 0:00
Loaded: 0%
Stream Type LIVE
Remaining Time 0:00
 
1x
    • Chapters
    • descriptions off, selected
    • subtitles off, selected
      نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
      نمونه ویدیوها:
      • در حال بارگزاری، لطفا صبر کنید...
      توضیحات دوره: پتانسیل کامل شبکه های عصبی کانولوشن برای تشخیص و تجزیه و تحلیل تصویر را باز کنید. در این دوره، شبکه های عصبی کانولوشن (CNNs): Visual با تسلط بر یادگیری عمیق، توانایی ساخت، آموزش و بهینه سازی مدل های CNN برای تشخیص بصری متنوع و پیچیده وظایف ابتدا، عناصر اساسی CNN ها را بررسی خواهید کرد پیچیدگی های فیلترها، استخرها و پیچیدگی ها. شما متوجه خواهید شد چگونه این عناصر برای استخراج و یادگیری ویژگی ها با هم کار می کنند تصاویر. در مرحله بعد، نحوه طراحی و آموزش مدل های موثر CNN را خواهید فهمید. این شامل طراحی معماری های CNN سفارشی برای وظایف خاص، استفاده از افزایش داده ها برای تعمیم مدل بهبود یافته، و استفاده از تکنیک های پیشرفته مانند یادگیری انتقال برای بهبود کارایی. در نهایت، نحوه استفاده از CNN در سناریوهای دنیای واقعی را یاد خواهید گرفت. درک کاربردهای آنها در صنایع مختلف و ناوبری ملاحظات اخلاقی درگیر شما مطالعات موردی را ارزیابی خواهید کرد از تاثیر عملی CNN ها قدردانی کنید و آخرین روندها را بررسی کنید شکل دادن به آینده بینایی کامپیوتر وقتی این دوره را تمام کردید، مهارت ها و مهارت ها را خواهید داشت دانش CNN و یادگیری عمیق برای توسعه لازم است سیستم های تشخیص بصری پیچیده و اعمال آنها در واقعی چالش های جهانی

      سرفصل ها و درس ها

      بررسی اجمالی دوره Course Overview

      • بررسی اجمالی دوره Course Overview

      پایه های CNN ها Foundations of CNNs

      • مقدمه ای بر CNN ها Introduction to CNNs

      • درک عملیات کانولوشن Understanding Convolution Operations

      • ادغام لایه ها و بالشتک Pooling Layers and Padding

      • نسخه ی نمایشی: پیاده سازی یک CNN اساسی Demo: Implementing a Basic CNN

      معماری و آموزش مدل های موثر CNN Architecting and Training Effective CNN Models

      • معماری پیشرفته CNN Advanced CNN Architectures

      • تکنیک های تقویت و بهینه سازی داده ها Data Augmentation and Optimization Techniques

      • استراتژی های آموزشی و معیارهای ارزیابی Training Strategies and Evaluation Metrics

      • نسخه ی نمایشی: تنظیم دقیق و ارزیابی مدل Demo: Finetuning and Model Evaluation

      • نکات و نکات کلیدی Key Takeaways and Tips

      نمایش نظرات

      شبکه های عصبی کانولوشن (CNN): تسلط بصری با یادگیری عمیق
      جزییات دوره
      37m
      10
      Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
      (آخرین آپدیت)
      از 5
      دارد
      دارد
      دارد
      Axel Sirota
      جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

      Google Chrome Browser

      Internet Download Manager

      Pot Player

      Winrar

      Axel Sirota Axel Sirota

      آکسل سیروتا دارای مدرک کارشناسی ارشد ریاضیات است که علاقه زیادی به عملیات یادگیری عمیق و یادگیری ماشین دارد. وی پس از تحقیق در زمینه احتمال ، آمار و بهینه سازی یادگیری ماشین ، در حال حاضر در JAMPP به عنوان یک مهندس تحقیق در زمینه یادگیری ماشین مشغول به کار است که از داده های مشتری برای پیش بینی دقیق در زمان واقعی پیشنهاد استفاده می کند.