دوره آموزشی
آموزش های یودمی
دوبله زبان فارسی

بینایی کامپیوتری مدرن، GPT ،PyTorch، کراس و OpenCV4 در 2024

بینایی کامپیوتری مدرن، GPT ،PyTorch، کراس و OpenCV4 در 2024

✅ سرفصل و جزئیات آموزش

در این دوره بینایی کامپیوتری نسل بعدی، DINO-GPT4V و OpenCV4 و YOLO نسخه 8، شناسایی چهره، GenerativeAI، مدل های انتشار و ترنسفرمرها را می آموزید. 

آنچه یاد خواهید گرفت

  • همه تئوری ها و مفاهیم اصلی بینایی کامپیوتری
  • یادگیری استفاده از PyTorch ،تنسورفلو 2.0 و کراس برای تسک های یادگیری عمیق و بینایی کامپیوتری
  • YOLOv8 - تشخیص آبجکت پیشرفته
    DINO-GPT4V - مدل های بینایی کامپیوتری نسل بعدی
  • یادگیری همه فریمورک‌ های اصلی تشخیص آبجکت از YOLO نسخه 8 و R-CNN و Detectron2 و SSD و EfficientDetect و موارد دیگر
  • بخش بندی عمیق با Segment Anything و U-Net و SegNet و DeepLabV3
  • درک اینکه آنچه را که CNN با مصورسازی فعال‌ سازی‌ های مختلف و اعمال GradCAM می‌ بیند.
  • شبکه‌ های مولد متخاصم (GAN) و رمزگذارهای خودکار - ایجاد ارقام، کاراکترهای انیمه، تغییر استایل ها و پیاده‌ سازی رزولوشن فوق‌العاده
  • آموزش، تیونینگ دقیق و تحلیل Classifiers
  • شناسایی چهره همراه با تشخیص جنسیت، سن، احساسات و قومیت
  • انتقال سبک با شبکه های عصبی و Google Deep Dream
  • یادگیری انتقالی، تیونینگ دقیق و تکنیک های پیشرفته CNN
  • طراحی های مهم CNNs مدرن مانند ResNets و InceptionV3 و DenseNet، MobileNet و EffiicentNet و موارد دیگر
  • ردیابی با DeepSORT
  • شبکه های Siamese، شناسایی و تحلیل چهره (سن، جنسیت، احساسات و قومیت)
  • ایجاد کپشن تصویر، برآورد عمق و ترنسفرمرهای بینایی کامپیوتری
  • طبقه بندی و بخش بندی Point Cloud (داده سه بعدی)
  • ساخت API بینایی کامپیوتری و وب اپلیکیشن با استفاده از فلسک
  • جزئیات OpenCV4، تمام مفاهیم اصلی را با کدهای مثال زیادی پوشش می دهد.
  • همه کدهای دوره در همراهی با Google Colab Python Notebooks کار می کنند.
  • Meta CLIP برای تحلیل تصویر پیشرفته

پیش نیازهای دوره

  • بدون تجربه برنامه نویسی - کمی دانش پایتون مفید خواهد بود.
  • ریاضیات پایه دبیرستان
  • اتصال اینترنت پهن باند

توضیحات دوره 

به تنسورفلو، بینایی کامپیوتری مدرن، کراس و PyTorch خوش آمدید!

هوش مصنوعی و یادگیری عمیق در حال تغییر صنایع هستند و یکی از هیجان انگیزترین بخش های این انقلاب هوش مصنوعی، بینایی کامپیوتری است.

اما بینایی کامپیوتر دقیقا چیست و چرا تا این حد هیجان انگیز است؟ خوب، اگر کامپیوترها بتوانند آنچه را که از طریق دوربین‌ ها یا تصاویر می‌ بینند بفهمند، چه می‌ شود؟ کاربردهای چنین فناوری در تصویربرداری پزشکی، صنایع نظامی، اتومبیل های خودران، نظارت بر امنیت، تحلیل، ایمنی، کشاورزی، صنعت و تولید است. این لیست پایانی ندارد.

تقاضای شغلی برای کارمندان بینایی کامپیوتری به طور سرسام آوری افزایش می یابد و معمولا کارشناسان در این زمینه بیش از 200.000 دلار حقوق دریافت می کنند. با این حال، شروع در این زمینه آسان نیست. اطلاعات زیادی وجود دارد که بسیاری از آن ها منسوخ شده اند، و تعداد زیادی آموزش که از آموزش مبانی غفلت می کنند. بنابراین مبتدیان نمی دانند از کجا شروع کنند.

 این دوره برای چه کسانی مناسب است؟

  • دانشجویان کالج و دانشگاه در تمام سطوح از مقطع کارشناسی تا دکترا (برای کسانی که پروژه‌ ها را انجام می‌ دهند بسیار مفید است).
  • توسعه دهندگان و مهندسان نرم افزار که به دنبال انتقال به بینایی کامپیوتری هستند.
  • بنیانگذاران استارت آپ که به دنبال یادگیری نحوه پیاده سازی ایده بزرگ خود هستند.
  • علاقه‌ مندان و حتی دانش‌ آموزان دبیرستانی که به دنبال شروع کار در بینایی کامپیوتری هستند.

بینایی کامپیوتری مدرن، GPT ،PyTorch، کراس و OpenCV4 در 2024

  • مقدمه دوره 11:31
  • بررسی دوره 11:27
  • آنچه بینایی کامپیوتری را سخت می کند؟ 06:15
  • تصاویر چه هستند؟ 07:06
  • راه اندازی - دانلود کد و پیکربندی Colab 02:55
  • شروع کار با OpenCV4 15:56
  • Grayscaling تصاویر 06:28
  • فضاهای رنگ - RGB و HSV 08:39
  • ترسیم روی تصاویر 09:54
  • تبدیل ها - انتقال ها و چرخش ها 09:51
  • مقیاس بندی، سایزبندی مجدد، درون یابی و کراپ کردن 12:23
  • عملیات های حسابی و بیتی 09:55
  • کانولوشن ها، تار کردن و شارپ کردن تصاویر 06:05
  • آستانه گذاری، باینری سازی و آستانه گذاری تطبیقی 13:00
  • بسط، فرسایش و تشخیص لبه 09:19
  • کانتورها - ترسیم، سلسله مراتب و حالت ها 13:35
  • لحظه ها، مرتب سازی، تقریب سازی و مطابقت کانتورها 16:35
  • تشخیص خط، دایره و حباب 05:57
  • شمارش دایره ها، بیضی ها و یافتن Waldo با تطبیق الگو 06:19
  • یافتن گوشه ها 04:18
  • تشخیص چهره و چشم با Haar Cascade Classifiers 12:27
  • تشخیص خودرو و عابر پیاده 10:19
  • تبدیلات پرسپکتیو 08:30
  • هیستوگرام ها و خوشه بندی K-Means برای رنگ های غالب 10:32
  • مقایسه MSE تصاویر و تشابه ساختاری 05:50
  • فیلترینگ روی رنگ 05:36
  • الگوریتم Watershed و بخش بندی تصویر Marker-Dased 05:40
  • انقباض پس زمینه و پیش زمینه 07:24
  • ردیابی موشن با Mean Shift و CAMSHIFT 07:18
  • ردیابی آبجکت با جریان نوری 10:23
  • ردیابی آبجکت ساده با رنگ 04:59
  • تشخیص لندمارک چهره با Dlib 05:32
  • تعویض چهره با Dlib 05:16
  • افکت های تغییر شیب 05:41
  • الگوریتم GrabCut برای حذف پس زمینه 06:14
  • OCR با PyTesseract و EasyOCR (تشخیص متن) 12:46
  • بارکد، تولید QR و خواندن 08:57
  • YOLOv3 در OpenCV 09:00
  • انتقال سبک با شبکه های عصبی با OpenCV 11:52
  • SSDs در OpenCV 04:38
  • رنگی کردن عکس های سیاه و سفید با استفاده از مدل Caffe در OpenCV 07:45
  • Inpainting برای بازیابی عکس های آسیب دیده 03:41
  • افزودن و حذف نویز و فیکس کردن کنتراست با اکوالیزاسیون هیستوگرام 09:18
  • تشخیص تاری در تصاویر 05:06
  • شناسایی چهره 09:35
  • استفاده از وبکم و ایجاد یک اسکچ لایو از خودتان 07:59
  • باز کردن فایل های ویدئویی در OpenCV 04:35
  • ذخیره یا رکورد ویدئوها در OpenCV 03:26
  • استریم های ویدئو و CCTV - بررسی RTSP و IP 04:33
  • اتصال مجدد خودکار به استریم های ویدئویی 03:02
  • ضبط ویدئو با استفاده از اسکرین شات ها 04:56
  • ایمپورت ویدئوهای یوتیوب به OpenCV 06:34
  • آشنایی با شبکه های عصبی کانولوشن 05:17
  • کانولوشن ها 08:53
  • Detector های ویژگی 04:41
  • کانولوشن های 3D و تصاویر رنگی 04:47
  • اندازه و عمق کرنل 04:00
  • Padding 03:57
  • Stride 05:22
  • توابع فعال سازی 05:14
  • Pooling 05:53
  • لایه های کاملا متصل 02:48
  • بیشینه هموار 02:42
  • جمع بندی شبکه عصبی کانولوشن شما 07:45
  • شمارش پارامترها در CNNs 05:29
  • چرا CNNs روی تصاویر خیلی خوب کار می کنند؟ 04:30
  • آموزش یک CNN 06:26
  • توابع Loss 06:58
  • پس انتشار 06:29
  • گرادیان کاهشی 07:36
  • Optimisers و زمانبندی های نرخ یادگیری 06:50
  • خلاصه یادگیری عمیق CNN 09:57
  • تاریخچه یادگیری عمیق 14:09
  • بررسی کتابخانه‌ های یادگیری عمیق 10:56
  • ایمپورت کتابخانه های مورد نیاز 07:15
  • پایپ لاین تبدیل 04:31
  • بررسی و مصورسازی داده 08:26
  • بارگذارهای داده 04:46
  • ساخت مدل ما 12:22
  • Optimisers و تابع Loss 02:14
  • آموزش مدل شما 11:46
  • ذخیره مدل و نمایش نتایج 06:40
  • طراحی و مصورسازی نتایج شما 04:43
  • بارگذاری داده 03:37
  • مشاهده و بررسی داده 04:18
  • پیش پردازش داده 05:04
  • ساخت CNN 06:25
  • آموزش مدل 04:19
  • طراحی نتایج آموزش 04:13
  • ذخیره، بارگذاری و مصورسازی نتایج 10:11
  • بررسی کتابخانه‌ های یادگیری عمیق PyTorch در مقابل کراس 13:49
  • ارزیابی عملکرد مدل 06:17
  • ماتریس درهم ریختگی و گزارش طبقه بندی 14:05
  • کراس - مشاهده طبقه بندی های اشتباه 07:23
  • کراس - ماتریس درهم ریختگی و گزارش طبقه بندی 05:48
  • PyTorch - مشاهده طبقه بندی های اشتباه 06:34
  • PyTorch - ماتریس درهم ریختگی و طبقه بندی های اشتباه 04:14
  • بیش برازش و تعمیم چیست؟ 08:54
  • آشنایی با منظم سازی 01:56
  • Drop Out 03:13
  • منظم سازی L1 و L2 03:58
  • افزایش داده 04:19
  • توقف زودهنگام 03:29
  • نرمال سازی دسته ای 04:39
  • چه زمانی از منظم سازی استفاده می کنیم؟ 02:16
  • آموزش Fashion Classifider (FNIST) بدون منظم سازی با استفاده از کراس 09:54
  • آموزش Fashion Classifider (FNIST) با منظم سازی با استفاده از کراس 12:05
  • آموزش Fashion Classifider (FNIST) بدون منظم سازی با استفاده از PyTorch 07:07
  • آموزش Fashion Classifider (FNIST) با منظم سازی با استفاده از PyTorch 11:41
  • مصورسازی فیلترهای CNN یا نقشه های ویژگی 05:15
  • مصورسازی فعال سازی های فیلتر 07:32
  • مصورسازی و فعال سازی های فیلتر کراس 14:49
  • به حداکثر رساندن فیلترها 04:27
  • حداکثر سازی کلاس 05:21
  • فیلتر و حداکثر سازی کلاس 17:11
  • مصورسازی Grad-CAM - آنچه بر مدل شما تأثیر می گذارد 02:59
  • Grad-CAM Plus 08:58
  • تاریخچه و تکامل شبکه های عصبی کانولوشن 03:53
  • LeNet 03:04
  • AlexNet 03:53
  • GG16 و VGG19 05:00
  • ResNets 04:43
  • چرا ResNets خیلی خوب کار می کند؟ 04:35
  • MobileNet نسخه 1 و نسخ 2 10:05
  • Inception نسخه 3 05:45
  • SqueezeNet 04:34
  • EfficientNet 05:31
  • DenseNet 07:04
  • مجموعه داده ImageNet 05:22
  • پیاده سازی LeNet و AlexNet در کراس 16:04
  • بارگذاری شبکه های از پیش آموزش دیده در PyTorch (ResNets ،DenseNets ،MobileNET ،VGG19) 19:20
  • بارگذاری شبکه های از پیش آموزش دیده در کراس (ResNets ،DenseNets ،MobileNET ،VGG19) 13:07
  • متریک دقت Top-N یا Rank-N 03:02
  • دریافت دقت Rank-N در PyTorch 11:04
  • دریافت دقت Rank-N در کراس 06:36
  • Callback چیست؟ 04:21
  • طبقه بندی سگ ها در مقابل گربه ها با استفاده از Callbacks در PyTorch 14:58
  • طبقه بندی سگ ها در مقابل گربه ها با استفاده از Callbacks در کراس 14:42
  • آشنایی با PyTorch Lightning 07:50
  • راه اندازی و کلاس Lightning 06:47
  • دسته خودکار و انتخاب نرخ یادگیری به علاوه Tensorboards 11:25
  • رابط، ذخیره و فراخوانی های PyTorch Lightning 08:50
  • آموزش چند GPU، پروفایلینگ و TPUs 06:31
  • مقدمه یادگیری انتقالی 08:24
  • یادگیری انتقالی در PyTorch Lightning 06:30
  • یادگیری انتقالی و تیونینگ دقیق با کراس 11:18
  • استخراج ویژگی کراس 13:07
  • تیونینگ دقیق PyTorch 14:44
  • یادگیری انتقالی PyTorch و فریز کردن لایه های شبکه 03:39
  • استخراج ویژگی PyTorch 11:04
  • آشنای با مصورسازی های Google DeepStream 05:19
  • Google DeepDream در کراس 07:09
  • Google DeepDream در PyTorch 04:35
  • آشنایی با انتقال سبک با شبکه های عصبی 10:22
  • انتقال سبک با شبکه های عصبی در کراس 15:01
  • انتقال سبک با شبکه های عصبی در PyTorch 05:13
  • آشنایی با خودرمزگذارها 06:52
  • خودرمزگذارها در کراس 09:27
  • خودرمزگذارها در PyTorch 08:02
  • آشنایی با GANs 04:31
  • GANs چگونه کار می کنند؟ 05:13
  • آموزش GANs 07:53
  • یوزکیس ها برای GANs 09:41
  • DCGAN کراس با MNIST 12:09
  • GANs در PyTorch 08:03
  • GAN با رزولوشن فوق العاده 09:42
  • AnimeGAN 03:56
  • ArcaneGAN 02:46
  • آشنایی با شبکه های Siamese 05:58
  • آموزش شبکه های Siamese 03:24
  • شبکه های Siamese در کراس 08:59
  • شبکه های Siamese در PyTorch 07:21
  • بررسی شناسایی چهره 07:22
  • تشابه چهره با Keras VGGFace 06:12
  • شناسایی چهره با کراس با یادگیری تک شات و بقیه 07:48
  • شناسایی چهره با PyTorch FaceNet 05:19
  • DeepFace - سن، جنسیت، احساسات، قومیت و شناسایی چهره 14:11
  • تشخیص آبجکت 09:23
  • تاریخچه Detector های آبجکت 08:26
  • تقاطع روی اتحاد 02:57
  • دقت میانگین متوسط 07:54
  • سرکوب غیربیشینه 03:00
  • R-CNNs و R-CNN سریع و R-CNNs سریع تر 07:50
  • Detector های تک شات (SSDs) 07:04
  • آشنایی با YOLO 06:13
  • YOLO چگونه کار می کند؟ 04:15
  • آموزش YOLO 04:28
  • سیر تکاملی YOLO 05:45
  • EfficientDet 05:59
  • Detectron2 07:02
  • Detector تفنگ - مقیاس بندی شده با Yolo نسخه 4 11:56
  • Detector ماسک - TFODAPI MobileNetV2_SSD 07:30
  • Detector زبان اشاره - TFODAPI EfficentDet 07:23
  • Detector گودال - TinyYOLOv4 05:19
  • Detector قارچ - Detectron2 05:10
  • Detector ناحیه وب سایت - YOLOv4 Darknet 05:12
  • Detector پهپاد زیرآبی - R-CNN 05:39
  • مهره شطرنج - YOLO نسخه 3 04:30
  • Detector سلول خونی - YOLO نسخه 5 04:39
  • Detector کلاه سخت - EfficentDet 03:24
  • Detector سلول خونی - YOLO نسخه 5 04:39
  • Detector دکتر گیاهی - YOLO نسخه 5 06:32
  • آشنایی با بخش بندی عمیق 12:05
  • بخش بندی تصویر با Keras UNET SegNet 07:53
  • PyTorch DeepLabV3 05:46
  • Mask-RCNN Tensorflow Matterport 04:44
  • Detectron2 Mask R-CNN 05:08
  • آموزش مجموعه داده شکل های Mask R-CNN 05:06
  • برآورد وضعیت بدن 03:15
  • مقدمه DeepSORT 09:00
  • DeepSORT با YOLO نسخه 5 04:10
  • ایجاد یک دیپ فیک 05:30
  • آشنایی با ترنسفرمرهای بینایی کامپیوتری 05:16
  • جزئیات ترنسفرمر بینایی کامپیوتری با PyTorch 08:36
  • ترنسفرمر بینایی کامپیوتری در کراس 05:26
  • BiT BigTransfer Classifier با کراس 06:36
  • پروژه برآورد عمق 07:26
  • شباهت تصویر با استفاده از یادگیری متریک 05:51
  • کپشن نویسی تصویر با کراس 09:23
  • طبقه بندی ویدئو با استفاده از CNN+RNN 05:11
  • طبقه بندی ویدئو با ترنسفرمرها 04:41
  • طبقه بندی Point Cloud با PointNet 06:04
  • بخش بندی Point Cloud با استفاده از PointNet 09:12
  • پروژه پزشکی - پیش بینی پنومونی با اشعه X 05:53
  • طبقه بندی سی تی اسکن سه بعدی 05:33
  • بهبود تصویر در نور کم با MIRNet 07:42
  • Flask RestFUL API 07:25
  • وب اپلیکیشن فلسک 04:29
  • OCR Captcha Cracker 05:27

11,224,500 2,244,900 تومان

مشخصات آموزش

بینایی کامپیوتری مدرن، GPT ،PyTorch، کراس و OpenCV4 در 2024

  • تاریخ به روز رسانی: 1404/06/14
  • سطح دوره:همه سطوح
  • تعداد درس:229
  • مدت زمان :28:25:21
  • حجم :12.8GB
  • زبان:دوبله زبان فارسی
  • دوره آموزشی:AI Academy

آموزش های مرتبط

هوش مصنوعی برای کلینیک‌ها و روش‌های دندان‌پزشکی
The Great Courses
651,500 130,300 تومان

هوش مصنوعی برای کلینیک‌ها و روش‌های دندان‌پزشکی

  • زمان: 01:39:55
  • تعداد درس: 6
  • سطح دوره:
  • زبان: دوبله فارسی
علم داده: رگرسیون خطی بیزی در پایتون
The Great Courses
1,889,000 377,800 تومان

علم داده: رگرسیون خطی بیزی در پایتون

  • زمان: 04:47:39
  • تعداد درس: 30
  • سطح دوره:
  • زبان: دوبله فارسی
رگرسیون خطی و پایتون - یادگیری ماشین برای اپلیکیشن‌های موبایل
The Great Courses
1,501,000 300,200 تومان

رگرسیون خطی و پایتون - یادگیری ماشین برای اپلیکیشن‌های موبایل

  • زمان: 03:48:11
  • تعداد درس: 47
  • سطح دوره:
  • زبان: دوبله فارسی
مسترکلاس یادگیری ماشین
The Great Courses
10,289,500 2,057,900 تومان

مسترکلاس یادگیری ماشین

  • زمان: 26:03:06
  • تعداد درس: 121
  • سطح دوره:
  • زبان: دوبله فارسی
آمار پایه برای هوش مصنوعی - درک اصول برای یادگیری ماشین
The Great Courses
490,000 98,000 تومان

آمار پایه برای هوش مصنوعی - درک اصول برای یادگیری ماشین

  • زمان: 54:55
  • تعداد درس: 18
  • سطح دوره:
  • زبان: دوبله فارسی
توضیح کنترل‌های ISO 42001 Annex A
The Great Courses
1,797,000 359,400 تومان

توضیح کنترل‌های ISO 42001 Annex A

  • زمان: 04:33:59
  • تعداد درس: 86
  • سطح دوره:
  • زبان: دوبله فارسی
پایتون برای تسلط به داده: تحلیل داده با کتابخانه‌های برتر
The Great Courses
2,659,500 531,900 تومان

پایتون برای تسلط به داده: تحلیل داده با کتابخانه‌های برتر

  • زمان: 06:44:45
  • تعداد درس: 35
  • سطح دوره:
  • زبان: دوبله فارسی
آموزش Django Banking API کامل - ساخت یک پلتفرم فین‌تک ایمن
The Great Courses
7,300,500 1,460,100 تومان

آموزش Django Banking API کامل - ساخت یک پلتفرم فین‌تک ایمن

  • زمان: 18:29:24
  • تعداد درس: 115
  • سطح دوره:
  • زبان: دوبله فارسی
پایتون و جنگو ایمن - ساخت وب اپلیکیشن‌های ضد هک
The Great Courses
2,113,000 422,600 تومان

پایتون و جنگو ایمن - ساخت وب اپلیکیشن‌های ضد هک

  • زمان: 05:21:41
  • تعداد درس: 51
  • سطح دوره:
  • زبان: دوبله فارسی

آیا سوالی دارید؟

ما به شما کمک خواهیم کرد تا شغل و رشد خود را افزایش دهید.
امروز با ما تماس بگیرید