Udacity – Become a Computer Vision Expert 2021-8

توضیحات

Become a Computer Vision Expert دوره آموزشی بینایی کامپیوتری به‌طور کامل و مختص مخاطبان نیم‌حرفه‌ای تا پیشرفته است که در آکادمی محبوب Udacity منتشر شده. بینایی کامپیوتر شاخه ای تخصصی از هوش مصنوعی است که بر روی توانمند ساختن ماشین ها برای درک بصری جهان و پاسخ به آن تمرکز دارد. مانند بینایی انسان، این فرآیند دریافت اطلاعات بصری، تجزیه و تحلیل و پردازش آن اطلاعات و شناسایی صحیح اشیاء موجود در آن اطلاعات است. به لطف پیشرفت ها در زمینه بینایی کامپیوتر – و افزایش قابل توجه در قدرت محاسباتی موجود – ماشین ها اکنون می توانند هزاران و هزاران تصویر را ببینند و آنها را بسیار سریعتر و دقیق تر از یک انسان پردازش کنند.

این دوره آموزشی بروزترین و جامع‌ترین تکنیک‌ها را در خصوص بینایی رایانه‌ای پوشش میدهد. شما در مورد معماری های یادگیری عمیق مانند مدل های تشخیص چند شی R-CNN و YOLO (You Only One One Look) یاد خواهید گرفت و روش های ردیابی شی مانند SLAM (محلی سازی و نقشه برداری همزمان) را پیاده سازی خواهید کرد. مهارت بینایی کامپیوتری را پشت سر پیشرفت در رباتیک و اتوماسیون تسلط پیدا می‌کنید. برنامه هایی برای تجزیه و تحلیل تصاویر، پیاده سازی استخراج ویژگی ها و تشخیص اشیا با استفاده از مدل های یادگیری عمیق خواهید نوشت. اگر علاقمند به تماشای این دوره به صورت کامل و رایگان هستید، هم‌اکنون آن را از دانلودلی دریافت کنید. اگر پیشنیازهای شروع این دوره را ندارید و قصدتان یادگیری این دوره است. میتوانید تمامی مهارت‌های مورد نیاز را در سایت دانلودلی جست و جو کرده و آن‌ها را نیز بیاموزید.

این دوره برای چه کسانی مناسب است:

• کسانی که میخواهند مهندس بینایی کامپیوتر و یا یادگیری عمیق شوند.
• برای افرادی که میخواهند مهارت یادگیری ماشین و یادگیری عمیق خود را افزایش دهند.
• افرادی که میخواهند از بینایی رایانه‌ای در فنون پردازش تصویر استفاده کنند.
• تازه کاران و مبتدیان در زمینه علوم بینایی رایانه‌ای
• پایتون‌کارهای علاقه‌مند و مشتاق به یادگیری بینایی رایانه‌ای
• افراد متوسط در زمینه مهارت کار با پایتون که دارای مهارت حل مسئله، الگوریتم و ساختار داده و … هستند.
• افراد آشنا با یادگیری ماشین و یادگیری عمیق.
• افراد آشنا با مفاهیم و موضوعات آمار
• و …

انچه در دوره Become a Computer Vision Expert یاد خواهید گرفت:

• آشنایی با مقدمات و ضروریات بینایی رایانه‌ای
• بینایی کامپیوتری پیشرفته و یادگیری عمیق
• ترکیب شبکه CNN و RNN را برای ساختن یک برنامه گرفتن خودکار تصویر
• ردیابی شی و اشخاص
• Localization
• ساخت پروژه واقعی و کاربردی
• و …

مشخصات دوره Become a Computer Vision Expert :

ناشر: یوداسیتی
مدرس: Sebastian Thrun ، Cezanne Camacho، Alexis Cook، Juan Delgado، Jay Alammar، Ortal Arel و Luis Serrano
زبان: انگلیسی
سطح آموزش: مقدماتی تا پیشرفته
تعداد دروس: 40
مدت زمان آموزش: با فرض 10 ساعت کار در هفته حدودا 3 ماه

سرفصل های دوره Become a Computer Vision Expert:

Part 01 : Introduction to Deep Reinforcement Learning

Part 01-Module 01-Lesson 02_Image Representation & Classification
Part 01-Module 01-Lesson 03_Convolutional Filters and Edge Detection
Part 01-Module 01-Lesson 04_Types of Features & Image Segmentation
Part 01-Module 01-Lesson 05_Feature Vectors
Part 01-Module 01-Lesson 06_CNN Layers and Feature Visualization
Part 01-Module 01-Lesson 07_Project Facial Keypoint Detection

Part 02-Module 01-Lesson 01_Advanced CNN Architectures

Part 02-Module 01-Lesson 02_YOLO
Part 02-Module 01-Lesson 03_RNN’s
Part 02-Module 01-Lesson 04_ Long Short-Term Memory Networks (LSTMs)
Part 02-Module 01-Lesson 05_Hyperparameters
Part 02-Module 01-Lesson 06_Optional Attention Mechanisms
Part 02-Module 01-Lesson 07_Image Captioning
Part 02-Module 01-Lesson 08_Project Image Captioning
Part 02-Module 01-Lesson 09_Optional Cloud Computing with AWS

Part 03-Module 01-Lesson 01_Introduction to Motion

Part 03-Module 01-Lesson 02_Robot Localization
Part 03-Module 01-Lesson 03_Mini-project 2D Histogram Filter
Part 03-Module 01-Lesson 04_Introduction to Kalman Filters
Part 03-Module 01-Lesson 05_Representing State and Motion
Part 03-Module 01-Lesson 06_Matrices and Transformation of State
Part 03-Module 01-Lesson 07_Simultaneous Localization and Mapping
Part 03-Module 01-Lesson 08_Optional Vehicle Motion and Calculus
Part 03-Module 01-Lesson 09_Project Landmark Detection & Tracking (SLAM)

Part 04-Module 01-Lesson 01_Applying Deep Learning Models

Part 05-Module 01-Lesson 01_Feedforward and Backpropagation
Part 05-Module 01-Lesson 02_Training Neural Networks
Part 05-Module 01-Lesson 03_Deep Learning with PyTorch

Part 06-Module 01-Lesson 01_Deep Learning for Cancer Detection with Sebastian Thrun

Part 08-Module 01-Lesson 01_Fully-Convolutional Neural Networks & Semantic Segmentation

Part 09-Module 01-Lesson 01_C++ Getting Started
Part 09-Module 01-Lesson 02_C++ Vectors
Part 09-Module 01-Lesson 04_C++ Object Oriented Programming
Part 09-Module 01-Lesson 05_Python and C++ Speed
Part 09-Module 02-Lesson 01_C++ Intro to Optimization
Part 09-Module 02-Lesson 02_C++ Optimization Practice
Part 09-Module 02-Lesson 03_Project Optimize Histogram Filter

پیش نیاز دوره:

• ntermediate to advanced Python experience. You are familiar with object-oriented programming. You can write nested for loops and can read and understand code written by others.
• Intermediate statistics background. You are familiar with probability.
• Intermediate knowledge of machine learning techniques. You can describe backpropagation, and have seen a few examples of neural network architecture (like a CNN for image classification).
• You have seen or worked with a deep learning framework like TensorFlow, Keras, or PyTorch before.

تصاویر

فیلم معرفی و ابتدایی دوره Computer Vision Expert :

راهنمای نصب

پس از Extract با Player مورد نیاز مشاهده کنید.

زیرنویس: انگلیسی

کیفیت: 720p

لینک دانلود

دانلود بخش 1 – 1 گیگابایت

دانلود‌ بخش 2 – 1 گیگابایت

دانلود‌ بخش 3 – 592 مگابایت

گذرواژه فایل(ها): www.downloadly.ir

حجم فایل

2.60 گیگابایت