Udemy – Practical Computer Vision Mastery: 20+ Python & AI Projects 2025-6

در تاریخ: 1404/04/21 7:00:54

توضیحات

دوره Practical Computer Vision Mastery: 20+ Python & AI Projects. این دوره به شرکت‌کنندگان امکان می‌دهد با انجام بیش از ۲۰ پروژه واقعی، مهارت‌های بینایی کامپیوتر و کاربردهای هوش مصنوعی در پردازش تصویر و ویدئو را به‌صورت عملی بیاموزند. طراحی شده برای دانشجویان، فارغ‌التحصیلان STEM و متخصصان علاقه‌مند به هوش مصنوعی، این دوره از مبانی اولیه مانند نصب پایتون، تنظیم VS Code و کار با OpenCV شروع می‌شود و سپس به تکنیک‌های پیشرفته‌تر مانند تشخیص لبه، ردیابی شیء، OCR و یادگیری عمیق با TensorFlow/Keras و YOLO می‌پردازد. شرکت‌کنندگان پروژه‌های متنوعی مانند سیستم حضور و غیاب هوشمند، تشخیص خواب‌آلودگی راننده، شناسایی پلاک خودرو، نظارت بر ایمنی با تشخیص PPE و ردیابی سرعت خودرو را انجام می‌دهند. در پایان دوره، توانایی توسعه و بهینه‌سازی مدل‌های یادگیری عمیق، ساخت رابط‌های کاربری گرافیکی و اجرای گردش کارهای صنعتی را کسب خواهند کرد. این دوره با ارائه یک پورتفولیوی قوی، مسیر ورود یا پیشرفت در حرفه هوش مصنوعی را هموار می‌سازد.

آنچه فرا خواهید گرفت

درک ریشه‌ها، تکامل و تأثیر واقعی هوش مصنوعی، با تمرکز بر نقش بینایی کامپیوتر در برنامه‌های مدرن.
نصب و پیکربندی پایتون و VS Code برای توسعه بی‌دردسر پروژه‌های مبتنی بر بینایی در هر پلتفرمی.
اعمال مبانی OpenCV: خواندن، نوشتن، نمایش، تغییر اندازه، برش و تبدیل فضای رنگی تصاویر و ویدئوها.
پیاده‌سازی تکنیک‌های پردازش تصویر مانند آستانه‌گیری، تبدیل‌های مورفولوژیک، عملیات بیتی و همسان‌سازی هیستوگرام.
تشخیص لبه‌ها، گوشه‌ها، کانتورها و نقاط کلیدی؛ تطابق ویژگی‌ها در تصاویر برای فعال‌سازی تشخیص شیء و تحلیل صحنه.
استفاده از روش‌های پیشرفته مانند تشخیص لبه Canny، تحلیل بافت، جریان نوری، ردیابی شیء، بخش‌بندی و OCR با Tesseract.
ساخت یک سیستم حضور و غیاب هوشمند چهره: ثبت چهره‌ها، استخراج امبدینگ‌ها، آموزش یک مدل و راه‌اندازی یک رابط کاربری Tkinter برای تشخیص زنده.
ایجاد یک ردیاب خواب‌آلودگی راننده با استفاده از معیارهای EAR/MAR، یکپارچه‌سازی آن در داشبورد Tkinter و اجرای استنتاج ویدئویی در لحظه.
آموزش YOLOv7-tiny برای تشخیص شیء و سلاح، استقرار در Colab و ساخت یک رابط کاربری برای تشخیص زنده.
پیاده‌سازی یک ردیاب شمارش افراد و ورود/خروج YOLOv8، بصری‌سازی شمارش‌ها با Tkinter و مدیریت منطق مختصات خط.
توسعه خطوط لوله تشخیص و شناسایی پلاک خودرو با حاشیه‌نویسی‌های Roboflow، یکپارچه‌سازی API و نمایش زنده GUI.
ساخت یک سیستم تشخیص علائم راهنمایی و رانندگی: پیش‌پردازش داده‌ها، آموزش EfficientNet-B0 و انجام استنتاج در لحظه.
ساخت برنامه‌های ایمنی مبتنی بر هوش مصنوعی: تشخیص تصادف با هشدارهای MQTT، APIهای تشخیص سقوط و ردیابی هوشمند سرعت خودرو.
تشخیص احساسات، سن و جنسیت از ویدئوهای زنده با استفاده از مدل‌های از پیش آموزش‌دیده و استقرار از طریق رابط‌های Tkinter.
طراحی یک برنامه تشخیص ماسک در لحظه با YOLOv11، از آماده‌سازی مجموعه داده تا استنتاج GUI.
ایجاد یک سیستم تشخیص حرکات دست با حاشیه‌نویسی نقاط کلیدی، تخمین وضعیت MediaPipe و رابط کاربری تعاملی.
آموزش یک مدل شناسایی حیات وحش بر روی EfficientNetB0، استقرار در Flask/Ngrok و تشخیص حیوانات در جریان‌های زنده.
یکپارچه‌سازی OCR از طریق Tesseract برای استخراج متن در تصاویر و ساخت خطوط لوله بخش‌بندی برای تحلیل قوی صحنه.

این دوره مناسب افرادیست که

دانشجویان کارشناسی و کارشناسی ارشد در رشته‌های مهندسی، علوم کامپیوتر، الکترونیک یا رشته‌های مرتبط که به دنبال پروژه‌های عملی CV برای تکمیل مطالعات خود هستند.
فارغ‌التحصیلان جدید با مدارک STEM که می‌خواهند مهارت‌های عملی هوش مصنوعی را کسب کرده و پروژه‌های واقعی را در رزومه خود نمایش دهند.
متخصصان شاغل در نقش‌های نرم‌افزار، الکترونیک، رباتیک یا داده که قصد ورود به AI/ML و استفاده از برنامه‌های بینایی در صنعت را دارند.
افرادی که تغییر شغل می‌دهند از رشته‌های STEM (مانند فیزیک، ریاضیات، بیوتکنولوژی) و به دنبال مسیری ساختارمند برای ورود به بینایی کامپیوتر بدون شروع از صفر هستند.
مهندسان تحقیق و توسعه (R&D) و توسعه‌دهندگان IoT که نیاز به یکپارچه‌سازی تحلیل بینایی بر روی دستگاه‌های لبه‌ای مانند Jetson، Raspberry Pi یا در خطوط لوله ابری دارند.
خودآموزان و علاقه‌مندان با طرز فکر علمی/مهندسی که می‌خواهند بر گردش کارهای جامع CV – از مبانی الگوریتم تا استقرار رابط کاربری گرافیکی و استنتاج مدل – تسلط یابند.

مشخصات دوره Practical Computer Vision Mastery: 20+ Python & AI Projects

ناشر: Udemy
مدرس: Muhammad Yaqoob G
سطح آموزش: مبتدی تا پیشرفته
مدت زمان آموزش: 16 ساعت و 12 دقیقه
تعداد دروس: 244

سرفصل های دوره در تاریخ 2025/7

پیشنیازهای دوره Practical Computer Vision Mastery: 20+ Python & AI Projects

Basic Python programming knowledge
Windows PC or Laptop with 4GB+ RAM is recommended. A GPU is optional but helpful for faster model training and processing large datasets or real-time tasks.