تسلط به بینایی ماشین: از مبانی تا پروژههای پیشرفته
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- درک مفاهیم و تکنیکهای اصلی بینایی ماشین، از جمله پردازش تصویر، تشخیص آبجکت و شناسایی آبجکت
- کسب تجربه عملی با پروژههای دنیای واقعی، مانند ساخت و پیادهسازی مدلهای تشخیص آبجکت با استفاده از کتابخانههایی مانند OpenCV و فریمورکهایی مانند YOLO
- یادگیری ایجاد و آموزش مدلهای شناسایی چهره، از جمعآوری تصاویر تا آموزش و ارزیابی مدل، و کاربرد این مهارتها در سناریوهای عملی
- بررسی و پیادهسازی تکنیکهای پیشرفته مانند برآورد وضعیت بدن با Google MediaPipe و یادگیری چگونگی ادغام این قابلیتها در اپلیکیشن های گستردهتر
- مواجهه و غلبه بر چالشهای رایج در تسک های بینایی ماشین، افزایش مهارتهای حل مسئله و کسب اعتماد به نفس در بکارگیری راهحلهای بینایی ماشین
پیشنیازهای دوره
- آشنایی با برنامهنویسی Python به شما کمک میکند تا تمرینها و پروژههای کدنویسی را دنبال کنید.
- دانش اولیه در مفاهیمی مانند ماتریسها، بردارها و جبر مقدماتی در درک الگوریتمهای بینایی ماشین موثر است.
- نیازمند کامپیوتری با دسترسی به اینترنت برای تماشای ویدیوهای دوره، دانلود منابع و انجام تکالیف هستید.
- ابزاری مانند Jupyter Notebook ،Anaconda یا هر محیط توسعه Python دلخواه برای نوشتن و اجرای کدها
توضیحات دوره
تصور کنید در یک شرکت فناوری برتر کار میکنید و مدیرتان چالشی را پیش رویتان میگذارد: توسعه سیستمی که بتواند میلیونها تصویر را به صورت خودکار و بلادرنگ شناسایی و دستهبندی کند. این پروژه ممکن است دشوار به نظر برسد، اما با هیجان آن را میپذیرید، چون میدانید که تسلط بر بینایی ماشین باعث میشود قهرمان این داستان شوید.
به دوره "تسلط به بینایی ماشین: از مبانی تا پروژههای پیشرفته" خوش آمدید، جایی که از یک یادگیرنده کنجکاو به یک کارشناس ماهر تبدیل میشوید که توانایی حل مشکلات پیچیده داده تصویری را دارد. این دوره شما را در دنیای جذاب بینایی ماشین راهنمایی میکند و دانش و ابزارهای لازم برای مقابله با چالشهای واقعی را به شما میآموزد.
آنچه یاد میگیرید:
- اصول بینایی ماشین: با مبانی شروع کنید و مفاهیم اساسی که فناوری بینایی ماشین بر اساس آنها بنا شده است، درک کنید.
- تشخیص و شناسایی آبجکت: مدلهای قدرتمند تشخیص آبجکت را با استفاده از OpenCV و YOLO پیادهسازی کنید و یاد بگیرید چگونه چهرهها را با دقت شناسایی کنید.
- تکنیکهای پیشرفته: به موضوعات پیشرفته مانند برآورد وضعیت بدن با Google MediaPipe و دنبال کردن آبجکت بلادرنگ بپردازید.
- پروژههای عملی: مهارتهای خود را از طریق پروژههای عملی که شبیهسازی سناریوهای دنیای واقعی هستند، به کار بگیرید، از تشخیص آبجکت در تصاویر تا شناسایی چهره در ویدئوها
چرا این دوره؟
این دوره برای دانشمندان داده، مهندسان نرمافزار، نوآوران فناوری و هر کسی که به هوش مصنوعی علاقهمند است طراحی شده است. چه بخواهید در نقش فعلی خود پیشرفت کنید یا به دنبال تغییر مسیر شغلی باشید، برنامه درسی جامع و آموزش تخصصی ما مهارتهای لازم برای موفقیت را در اختیار شما قرار میدهد.
قهرمان داستان باشید:
در پایان این دوره، اعتماد به نفس و توانایی لازم برای توسعه راهحلهای پیشرفته بینایی ماشین را خواهید داشت. نه تنها چالشی که مدیرتان مطرح کرده است را پاسخ میدهید، بلکه فراتر از انتظار عمل میکنید و به متخصص اصلی بینایی ماشین در سازمان خود تبدیل میشوید.
همین حالا به جمع ما بپیوندید و سفر خود را برای تبدیل شدن به قهرمان بینایی ماشین آغاز کنید. امروز در این دوره شرکت کنید و پتانسیل داده تصویری را باز کنید!
این دوره برای چه کسانی مناسب است؟
- افرادی که میخواهند دانش خود در هوش مصنوعی و یادگیری ماشین را با تمرکز بر پردازش داده تصویری گسترش دهند.
- حرفهایهایی که قصد دارند قابلیتهای بینایی ماشین را در اپلیکیشنها و پروژههای خود وارد کنند و از کتابخانهها و فریمورکهای قدرتمند استفاده کنند.
- دانشجویان رشتههای علوم کامپیوتر، مهندسی و رشتههای مرتبط که میخواهند دانش آکادمیک خود را با مهارتهای عملی در بینایی ماشین تقویت کنند.
- نوآوران و کارآفرینانی که به دنبال توسعه محصولات یا راهحلهایی با استفاده از فناوری بینایی ماشین هستند و میخواهند در بازار رقابتی برتری پیدا کنند.
- افراد مختلف با پیشینههای حرفهای گوناگون که علاقهمند به فناوری هستند و قصد دارند وارد حوزه بینایی ماشین و هوش مصنوعی شوند.
تسلط به بینایی ماشین: از مبانی تا پروژههای پیشرفته
-
مقدمه 04:27
-
موضوعات مطرحشده در این دوره 05:13
-
بینایی ماشین چیست؟ 07:01
-
کاربردهای بینایی ماشین بخش 1 06:13
-
کاربردهای بینایی ماشین بخش 2 04:30
-
تشخیص آبجکت چگونه کار میکند؟ 05:40
-
چالشها در تشخیص آبجکت 07:03
-
چگونه شناسایی آبجکت کار میکند؟ 01:25
-
چالشها در شناسایی آبجکت 00:38
-
تقسیمبندی آبجکت 04:41
-
نصب opencv-python 04:07
-
پرسشها هنگام نصب 09:08
-
سؤالات بیشتر درباره نصب 07:16
-
ساختاردهی کد برای پروژه 06:05
-
اجرای کد برای جمعآوری تصاویر بخش 1 07:20
-
اجرای کد برای جمعآوری تصاویر بخش 2 06:48
-
پرسشها هنگام اجرای کد 08:37
-
مقدمه 02:14
-
سؤالات درباره جمعآوری تصویر 05:53
-
مرور جلسه 1 04:46
-
داده آموزش و تست بخش 1 06:23
-
داده آموزش و تست بخش 2 04:04
-
مبانی بخش 1 05:37
-
مبانی بخش 2 و جایزه ها 05:48
-
پرسشها درباره مبانی 07:52
-
سؤالات بیشتر درباره مبانی 08:17
-
ایجاد یک آبجکت مدل 01:54
-
افزایش داده 06:16
-
پرسشها درباره افزایش داده 01:53
-
تناسب مدل 05:20
-
اجرای کد 05:27
-
پرسشها هنگام اجرای کد 03:30
-
بارگذاری کتابخانهها و مدل 03:11
-
ادامه شناسایی چهره 07:07
-
سؤالات درباره شناسایی چهره 04:59
-
اجرای کد برای شناسایی چهره 05:44
-
خلاصه جلسه امروز 01:46
-
سؤالات جلسه 2 04:56
-
مقدمه 01:27
-
تشخیص آبجکت 04:50
-
سؤالات درباره تشخیص آبجکت 01:55
-
ایمپورت کردن کتابخانهها و توابع 02:54
-
تعریف نام فایل کلاس 03:53
-
تعریف تعداد و کد رنگ آبجکت 03:01
-
مدلهای پیشآموزشدیده 05:48
-
دانلود مدل پیشآموزشدیده 06:42
-
نتایج پس از دانلود 01:28
-
پرسشها هنگام دانلود 06:50
-
بارگذاری مدل 04:16
-
تست تصویر 00:54
-
ایجاد کادر محدودکننده 04:54
-
تشخیص آبجکت بخش 1 05:51
-
تشخیص آبجکت بخش 2 04:51
-
سؤالات حین شناسایی 05:51
-
مصورسازی داده در تصویر 03:10
-
شناسایی آبجکت 09:02
-
تکرار تشخیص آبجکت در تصویر 07:54
-
نتیجهگیری جلسه 3 06:22
-
مقدمه 02:01
-
مرور جلسه 3: بخش 1 02:54
-
مرور جلسه 3: بخش 2 03:24
-
ایمپورت کردن فایل ویدئو در کد 01:41
-
خواندن فایل ویدئو 04:06
-
اجرای کد 00:56
-
توضیح مفصل کد 04:04
-
مقایسه ویدئو خام و ویدئوی نتیجه 02:17
-
رفع ابهامات درباره تشخیص آبجکت در داده ویدئویی 03:56
-
تمرین کد 00:46
-
یادآوری تقسیمبندی تصویر 01:20
-
برنامهریزی جلسه تقسیمبندی تصویر 01:06
-
توضیح مدل YOLO 03:19
-
نصب Ultralytics 02:43
-
بارگذاری مدل YOLO در پروژه 02:24
-
راهحل خطاهای عمومی هنگام بارگذاری مدل YOLO 07:06
-
پیشبینی داده تصویری 03:28
-
توضیح تابع پیشبینی بخش 1 02:46
-
توضیح تابع پیشبینی بخش 2 04:59
-
توضیح تابع پیشبینی بخش 3 04:50
-
ماسکها در تابع پیشبینی 05:20
-
دریافت برچسبها از آبجکت 06:13
-
توضیح مفصل کد دریافت برچسبها 01:40
-
خلاصه جلسه 4 01:20
-
مقدمه 00:59
-
معرفی برآورد وضعیت بدن 03:50
-
معرفی Google MediaPipe 02:35
-
هدف جلسه 5 02:01
-
نصب MediaPipe و وارد کردن کتابخانهها 02:21
-
دریافت فید ویدئویی از وبکم 02:22
-
توضیح مفصل کد تشخیص وضعیت بدن 04:11
-
اجرای کد و دریافت فوتیج نتیجه 00:55
-
تغییر رنگ نقاط کلیدی و اتصالها 04:11
-
توضیح متغیرهای جداگانه 04:13
-
اتصالات وضعیت بدن و نقاط کلیدی 03:03
-
بخش 2: یافتن زوایا بین مختصات 04:59
-
بخش 3: ساخت شمارشگر حرکت کرل 03:22
-
خلاصه جلسه 5 02:19
مشخصات آموزش
تسلط به بینایی ماشین: از مبانی تا پروژههای پیشرفته
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:مقدماتی
- تعداد درس:96
- مدت زمان :06:47:02
- حجم :4.58GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy