1. صفحه اصلی
  2. »
  3. آموزش
  4. »
  5. آموزش تصویری
  6. »
  7. Udemy – Computer Vision Smart Systems : Python, YOLO and OpenCV -1 2024-10
Computer Vision Smart Systems : Python YOLO and OpenCV -1

Udemy – Computer Vision Smart Systems : Python, YOLO and OpenCV -1 2024-10

توضیحات

دوره Computer Vision Smart Systems : Python YOLO and OpenCV -1. این دوره برای همه افرادی که به دنبال دنبال کردن یک حرفه در هوش مصنوعی و بینایی کامپیوتر هستند یا می‌خواهند از کاربردهای بینایی کامپیوتر در پروژه‌های خود استفاده کنند، طراحی شده است. در دوره “سیستم‌های هوشمند بینایی کامپیوتر: پایتون، YOLO و OpenCV -1″، ما با اصول اولیه بینایی کامپیوتر شروع می‌کنیم و تکنیک‌های پردازش تصویر را با استفاده از زبان برنامه‌نویسی پایتون و کتابخانه OpenCV پوشش می‌دهیم. سپس، به تشخیص اشیاء و مدل‌سازی یادگیری عمیق با استفاده از الگوریتم YOLO (You Only Look Once) پیش می‌رویم. دانشجویان یاد خواهند گرفت که چگونه مدل‌های سفارشی یادگیری عمیق را از ابتدا بسازند، با مجموعه داده‌ها کار کنند، تشخیص اشیاء را انجام دهند و این مدل‌ها را در پروژه‌های مختلف اعمال کنند.

در طول دوره، تمرین‌های عملی گام به گام همراه با دانش نظری ارائه می‌شود، که به دانشجویان این فرصت را می‌دهد تا آنچه یاد گرفته‌اند را به کار ببرند. علاوه بر این، ما به چالش‌های رایجی که ممکن است با آن مواجه شوید می‌پردازیم و راه حل‌های دقیقی ارائه می‌دهیم. این دوره با هدف ایجاد مهارت‌ها از سطح پایه تا متوسط، به عنوان یک راهنمای جامع برای هر کسی که به حوزه بینایی کامپیوتر علاقه‌مند است، عمل می‌کند. این دوره به شما قدرت می‌دهد تا سیستم‌های هوشمند را برای پروژه‌های خود توسعه دهید و تخصص خود را در این حوزه هیجان‌انگیز افزایش دهید.

آنچه در دوره Computer Vision Smart Systems: Python YOLO and OpenCV -1 فرا خواهید گرفت

  • معرفی پردازش تصویر و بینایی کامپیوتر
  • تشخیص اشیاء با الگوریتم YOLO
  • ساخت مدل‌های سفارشی یادگیری عمیق
  • پروژه عملی شمارش خودرو
  • توسعه و پیاده‌سازی پروژه

این دوره مناسب افرادیست که

  • مبتدیان برنامه‌نویسی: افرادی که هیچ تجربه برنامه‌نویسی قبلی ندارند و می‌خواهند پایتون را یاد بگیرند و آن را در کاربردهای دنیای واقعی در بینایی کامپیوتر اعمال کنند.
  • دانشمندان داده آینده‌نگر: کسانی که به دنبال ورود به حوزه علم داده و یادگیری ماشین، به ویژه در حوزه بینایی کامپیوتر هستند.
  • دانشجویان و متخصصان: دانشجویان دانشگاه، فارغ‌التحصیلان اخیر یا متخصصانی که به دنبال گسترش مجموعه مهارت‌های خود در هوش مصنوعی و پردازش تصویر هستند.
  • علاقه‌مندان و مشتاقان: هر کسی که به فناوری، هوش مصنوعی یا رباتیک علاقه‌مند است و می‌خواهد نحوه ساخت سیستم‌های بینایی کامپیوتر را کشف کند.
  • توسعه‌دهندگانی که به سمت هوش مصنوعی می‌روند: برنامه‌نویسان یا توسعه‌دهندگان نرم‌افزاری که می‌خواهند به حوزه هوش مصنوعی و یادگیری ماشین، به ویژه در بینایی کامپیوتر، وارد شوند.
  • یادگیرندگان مبتنی بر پروژه: افرادی که از طریق پروژه‌های عملی و کاربردهای عملی بهتر یاد می‌گیرند، زیرا این دوره شامل یک پروژه نهایی در مورد شمارش خودرو است.

مشخصات دوره Computer Vision Smart Systems : Python YOLO and OpenCV -1

  • ناشر: Udemy
  • مدرس: Yılmaz Alaca
  • سطح آموزش: مبتدی تا پیشرفته
  • مدت زمان آموزش: 7 ساعت و 25 دقیقه
  • تعداد دروس: 98

سرفصل های دوره در تاریخ 2024/11

 Computer Vision Smart Systems : Python YOLO and OpenCV -1

پیشنیازهای دوره Computer Vision Smart Systems : Python YOLO and OpenCV -1

  • No Prior Experience Required
  • Basic Computer Skills
  • Eagerness to Learn

تصاویر دوره

Computer Vision Smart Systems : Python YOLO and OpenCV -1

نمونه فیلم دوره

راهنمای نصب

پس از Extract، با Player دلخواه خود مشاهده کنید.

زیرنویس: ندارد

کیفیت: 720p

لینک دانلود

دانلود بخش 1 – 1 گیگابایت

دانلود بخش 2 – 1 گیگابایت

دانلود بخش 3 – 193 مگابایت

گذرواژه فایل(ها): www.downloadly.ir


حجم فایل

2.1 گیگابایت

5/5 - (1 امتیاز)

محاسبه حجم دانلود برای ایرانسل به‌صورت تمام‌بها است.

Download Faster Without Limitation

The data center of free servers has applied a non-Iranian IP restriction on some servers
There is no limitation for VIP servers

برچسب ها:

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

این قسمت نباید خالی باشد
این قسمت نباید خالی باشد
لطفاً یک نشانی ایمیل معتبر بنویسید.
فقط دیدگاه‌هایی که جنبه‌ی استفاده‌ی عمومی دارد، نمایش داده می‌شود؛ درصورت تمایل به دریافت نتیجه‌ی رسیدگیِ دیدگاه خود، ایمیل معتبر وارد کنید.

فهرست