هوش مصنوعی - ساخت اپلیکیشن شناسایی اشیاء با پایتون و انگولار
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- مبانی هوش مصنوعی و یادگیری ماشین با تمرین عملی
- برنامهنویسی پایه در Python و Typescript
- کار با فریمورکهای FastAPI و Angular
- ساخت اپلیکیشن شناسایی اشیاء مدرن و واقعی
پیش نیازهای دوره
- تجربه برنامهنویسی نیازی نیست. فقط نیاز به کامپیوتر و دسترسی به اینترنت دارید
توضیحات دوره
[AI] ساخت اپلیکیشن وب شناسایی اشیاء با Python و Angular
وب اپلیکیشنهای پیشرفته با FastAPI و Angular بسازید. یادگیری ماشین با Python برای توسعهدهندگان را بیاموزید.
این دوره جامع، "هوش مصنوعی - ساخت اپلیکیشن شناسایی اشیاء با پایتون و انگولار"، طراحی شده است تا به توسعهدهندگان مهارتهایی برای ساخت اپلیکیشنهای پیشرفته مبتنی بر هوش مصنوعی بدهد. با ترکیب قدرت FastAPI، TensorFlow، و Angular، دانشجویان یاد میگیرند که یک وب اپلیکیشن شناسایی اشیاء کامل بسازند که پتانسیل یادگیری ماشین را در توسعه وب مدرن به نمایش بگذارد.
در طول این دوره عملی، شرکتکنندگان به طور عمیق به فناوریهای backend و frontend خواهند پرداخت. تمرکز اصلی بر Python برای توسعه AI و backend و TypeScript برای پیادهسازی frontend است. این دوره با معرفی اصول یادگیری ماشین و بینایی کامپیوتر آغاز میشود و پایهی محکمی در مفاهیم AI که برای وظایف شناسایی اشیاء ضروری است ارائه میدهد.
دانشجویان سپس فریمورک FastAPI را بررسی خواهند کرد و یاد میگیرند که چگونه REST APIs های کارآمد و مقیاسپذیر ایجاد کنند که به عنوان پایه اپلیکیشن عمل میکند. این بخش موضوعاتی مانند مدیریت درخواستها، اعتبارسنجی دادهها، و برنامهنویسی غیرهمزمان در Python را پوشش میدهد و اطمینان میدهد که backend قادر به مدیریت تقاضاهای پردازش شناسایی اشیاء در زمان واقعی است.
قلب این دوره در مولفه یادگیری ماشین است، جایی که دانشجویان به طور گسترده با TensorFlow کار کرده و مدلهای شناسایی اشیاء سفارشی را میسازند و آموزش میدهند. شرکتکنندگان یاد میگیرند که چگونه مجموعههای داده را آماده کرده، معماریهای شبکههای عصبی را طراحی و مدلهای پیشآموزشدیده را برای عملکرد بهینه تنظیم کنند. این دوره همچنین موضوعات ضروری مانند افزایش داده، یادگیری انتقال و تکنیکهای ارزیابی مدل را پوشش میدهد.
در بخش frontend، دانشجویان از Angular و TypeScript برای ایجاد یک رابط کاربری پویا و واکنشگرا استفاده خواهند کرد. این بخش بر ساخت کامپوننت های قابل استفاده مجدد، مدیریت استیت اپلیکیشن با خدمات و observables، و پیادهسازی بهروزرسانیهای بلادرنگ برای نمایش نتایج شناسایی اشیاء تمرکز خواهد داشت. شرکتکنندگان همچنین یاد خواهند گرفت که چگونه از ویژگیهای قدرتمند Angular مانند تزریق وابستگی، مسیریابی و فرمهای واکنشگرا برای ایجاد یک اپلیکیشن frontend قوی و مقیاسپذیر استفاده کنند.
در طول دوره، تأکید بر بهترین شیوهها در توسعه نرمافزار، از جمله سازماندهی کد و ساختار پروژه خواهد بود. دانشجویان معماری ماژولار Angular را بررسی کرده و یاد میگیرند چگونه اپلیکیشن خود را به ماژولهای ویژگی و ماژولهای مشترک به طور مؤثر سازماندهی کنند. آنها همچنین نکاتی درباره استقرار وب اپلیکیشنهای مبتنی بر هوش مصنوعی به دست خواهند آورد، با توجه به عواملی همچون ارائه مدل، مقیاسپذیری و بهینهسازی عملکرد.
تا پایان دوره، شرکتکنندگان یک اپلیکیشن وب شناسایی اشیاء کاملاً عملیاتی ساخته و تجربه عملی در ترکیب فناوریهای هوش مصنوعی با فریمورکهای توسعه وب مدرن کسب خواهند کرد. این رویکرد پروژهمحور اطمینان حاصل میکند که دانشجویان نه تنها مفاهیم نظری را درک میکنند، بلکه مهارتهای عملی لازم برای ساخت اپلیکیشنهای پیشرفته مبتنی بر هوش مصنوعی در سناریوهای دنیای واقعی را نیز به دست میآورند.
چه شما یک توسعهدهنده با تجربه باشید که به دنبال گسترش مهارتهای خود هستید و چه یک علاقهمند به هوش مصنوعی باشید که مشتاقید مدلهای یادگیری ماشین را به زندگی روی وب بیاورید، این دوره ترکیبی مناسب از نظریه و عمل را ارائه میدهد تا به شما در دستیابی به اهداف خود در زمینه هیجانانگیز توسعه وب مبتنی بر هوش مصنوعی با استفاده از Angular و Python کمک کند.
این دوره برای چه کسانی مناسب است؟
- توسعهدهندگان مبتدی Python، Frontend و AI. دانشجویانی که به چگونگی عملکرد AI علاقهمندند.
هوش مصنوعی - ساخت اپلیکیشن شناسایی اشیاء با پایتون و انگولار
-
مقدمه 01:09
-
هوش مصنوعی، یادگیری ماشین و یادگیری عمیق 13:27
-
شبکههای عصبی کانولوشنی (CNN) 06:27
-
نصب VSCode 02:08
-
افزونههای VSCode 01:59
-
بهترین روش برای استفاده از این دوره 02:32
-
آزمون هوش مصنوعی، یادگیری ماشین و یادگیری عمیق None
-
Python و FastAPI چیست؟ 05:15
-
نصب Python برای MacOS 04:02
-
نصب Python برای Windows 02:23
-
نصب و اجرای FastAPI 08:10
-
مسیر مثال دیگر 05:01
-
اجرا کردن سرور با Uvicorn 03:36
-
نصب بستهها با استفاده از requirements.txt 03:55
-
Angular و Typescript چیست؟ 01:39
-
Angular CLI و ایجاد اولین اپلیکیشن 04:34
-
ایجاد کامپوننت ImageControl 04:07
-
اولین الگو و شرایط 05:19
-
ورودیها و ادامه الگو 05:53
-
توضیح TensorFlow ،SSDMobileNet V2 و مجموعه داده COCO 02:59
-
اضافه کردن MobileNetV2 SSD و مجموعه داده مدل COCO 01:26
-
بارگذاری مدل از پیشآموزشدیده در اپلیکیشن 04:42
-
اجرای تابع Inference 05:48
-
مسیر پیشبینی 12:08
-
Label_Map 02:17
-
برگرداندن نتایج از مسیر پیشبینی 06:18
-
تست مسیر ما 03:22
-
ایجاد سرویس Angular 05:12
-
نوع پیشبینی 02:07
-
تابع بارگذاری تصویر در سرویس 11:20
-
ایمپورت کردن سرویس به کامپوننت 02:48
-
نهاییسازی الگو 05:48
-
ارائه HTTPClient 02:13
-
فایل انتخاب شده 03:59
-
تابع UploadImage 02:29
-
کلید API 02:07
-
مدیریت بارگذاری تصاویر و خطاها 03:21
-
اضافه کردن UploadImage به الگو و خطای شبکه 01:26
-
اجازه CORS 03:09
-
تست نتایج 00:58
-
تقسیم به کامپوننت های کوچکتر 04:07
-
ورودیهای Angular 07:47
-
خطاها و اشتباهات پیشبینی 01:35
-
موارد استفاده و محدودیتها 02:32
مشخصات آموزش
هوش مصنوعی - ساخت اپلیکیشن شناسایی اشیاء با پایتون و انگولار
- تاریخ به روز رسانی: 1404/06/21
- سطح دوره:همه سطوح
- تعداد درس:44
- مدت زمان :03:04:00
- حجم :1.64GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy