Udemy – Deep Learning : Convolutional Neural Networks with Python 2025-2

در تاریخ: 1403/12/25 12:20:36

توضیحات

دوره Deep Learning : Convolutional Neural Networks with Python. در این دوره جامع، شما از ساخت معماری شبکه‌های عصبی کانولوشن عمیق از ابتدا شروع می‌کنید، با افزایش داده‌ها با تبدیل‌های مختلف برای افزایش تنوع تصویر، بهینه‌سازی HyperParameteres قبل از آموزش مدل برای بهبود عملکرد، اعتبارسنجی مدل بر روی تصاویر تست، محاسبه معیارهای عملکرد شامل دقت، Precision، Recall، امتیاز F1 و تجسم ماتریس Confusion برای دیدن بینش‌های دقیق در عملکرد مدل، فراتر از معیارهای ساده، می‌پردازید. سپس به معماری‌های پیشرفته CNN شامل RESNT، ALEXNET برای طبقه‌بندی تصاویر، UNET، معماری‌های رمزگذار رمزگشا PSPNET برای segmentation معنایی، CNN مبتنی بر Region برای OD و CNNهای YOLO برای تشخیص شیء real time، طبقه‌بندی segmentation نمونه، ردیابی شیء و تخمین حالت، می‌روید. در این دوره به ما بپیوندید، جایی که نه تنها مفاهیم اصلی را درک خواهید کرد، بلکه در را به معماری‌های پیشرفته CNN باز می‌کنید، خود را با مهارت‌های لازم برای غلبه بر چالش‌برانگیزترین وظایف computer vision با اطمینان و تخصص مجهز می‌کنید. شما یک pipeline کامل را برای یادگیری عمیق CNN برای برنامه‌های کاربردی دنیای واقعی دنبال خواهید کرد.

آنچه فرا خواهید گرفت:

شبکه‌های عصبی کانولوشن عمیق با پایتون و Pytorch از مبتدی تا متخصص
معرفی یادگیری عمیق و بلوک‌های سازنده آن نورون‌های مصنوعی
کدنویسی معماری شبکه عصبی کانولوشن از ابتدا با پایتون و Pytorch
بهینه‌سازی Hyperparameters برای شبکه‌های عصبی کانولوشن برای بهبود عملکرد مدل
مجموعه‌های داده سفارشی با Augmentations برای افزایش تنوع داده‌های تصویر
آموزش و تست شبکه عصبی کانولوشن با استفاده از Pytorch
معیارهای عملکرد (دقت، Precision، Recall، امتیاز F1) برای ارزیابی CNNها
تجسم ماتریس Confusion و محاسبه Precision، Recall و امتیاز F1
CNNهای پیشرفته برای Segmentation، ردیابی شیء و تخمین حالت
شبکه‌های عصبی کانولوشن از پیش آموزش داده شده و کاربردهای آن‌ها
یادگیری انتقال با استفاده از مدل‌های شبکه‌های عصبی کانولوشن
معماری‌های رمزگذار رمزگشا شبکه‌های عصبی کانولوشن
شبکه‌های عصبی کانولوشن YOLO برای وظایف computer vision
شبکه‌های عصبی کانولوشن مبتنی بر Region برای تشخیص شیء

این دوره مناسب چه کسانی است؟

این دوره برای افرادی با علاقه شدید به یادگیری عمیق و شبکه‌های عصبی کانولوشن (CNN) با پایتون و Pytorch برای حل مسائل هوش مصنوعی دنیای واقعی طراحی شده است.
چه مبتدی‌ای باشید که به دنبال ایجاد یک پایه قوی در computer vision، ردیابی شیء، Segmentation، تخمین حالت، طبقه‌بندی، تشخیص شیء هستید یا یک متخصص باتجربه که قصد دارد مهارت‌های خود را ارتقا دهد، این دوره بینش‌های ارزشمند و تجربه عملی با CNNها را ارائه می‌دهد.

مشخصات دوره Deep Learning : Convolutional Neural Networks with Python

ناشر: Udemy
مدرس: Dr. Mazhar Hussain, AI & Computer Science School
سطح آموزش: مبتدی تا پیشرفته
مدت زمان آموزش: 4 ساعت و 38 دقیقه
تعداد دروس: 38

سرفصل های دوره

پیشنیازهای دوره Deep Learning : Convolutional Neural Networks with Python

A Google Gmail account is required to get started with Google Colab to write Python Code
Python Programming experience is an advantage but not required