دوره آموزشی

دوبله زبان فارسی

یادگیری ماشین اندروید با Tensorflow Lite - نسخه 2024

معرفی
سرفصل

✅ سرفصل و جزئیات آموزش

در این دوره با آموزش مدل‌ های طبقه‌ بندی تصویر، تشخیص آبجکت و رگرسیون برای اندروید و ساخت اپلیکیشن های اندروید هوشمند با کاتلین آشنا می شوید.

آنچه یاد خواهید گرفت

آموزش مدل های یادگیری ماشین برای اپلیکیشن های اندروید
آموزش مدل‌ های طبقه‌ بندی تصویر و تشخیص آبجکت برای اپلیکیشن های اندروید
آموزش مدل های رگرسیون خطی برای اپلیکیشن های اندروید
یکپارچه سازی مدل‌ های Tensorflow Lite در اپلیکیشن های کاتلین اندروید
استفاده از مدل‌ های بینایی کامپیوتری در اندروید با تصاویر و فوتیج لایو دوربین
آموزش مدل تشخیص آبجکت برای شمارش و تشخیص میوه ها و ساخت اپلیکیشن اندروید
آموزش مدل طبقه بندی میوه ها و ساخت اپلیکیشن اندروید برای شناسایی میوه ها
آموزش مدل طبقه بندی تومور مغزی و ساخت اپلیکیشن اندروید
آموزش مدل یادگیری ماشین و ساخت یک اپلیکیشن اندروید برای پیش بینی راندمان سوخت
آموزش مدل یادگیری ماشین و ساخت اپلیکیشن اندروید برای پیش‌ بینی قیمت خانه
آموزش مدل پیش‌ بینی، طبقه‌ بندی و تشخیص آبجکت و استفاده از آن در اپلیکیشن های اندروید
تحلیل و استفاده از مدل های رگرسیون پیشرفته در اپلیکیشن های اندروید
جمع آوری داده، حاشیه نویسی داده و پیش پردازش داده برای آموزش مدل یادگیری ماشین برای اپلیکیشن اندروید
مبانی یادگیری ماشین و یادگیری عمیق برای آموزش مدل های یادگیری ماشین برای اندروید
آشنایی با عملکرد شبکه های عصبی مصنوعی برای آموزش یادگیری ماشین برای اندروید
سینتکس اولیه زبان برنامه نویسی پایتون برای آموزش مدل های یادگیری ماشین برای اندروید
استفاده از کتابخانه های علم داده مانند numpy و pandas و matplotlib

پیش نیازهای دوره

ویژوال استودیو کد یا اندروید نصب شده روی سیستم خود

توضیحات دوره

آیا می خواهید مدل های مختلف یادگیری ماشین را آموزش دهید و اپلیکیشن های هوشمند اندروید بسازید، پس به این دوره خوش آمدید.

در این دوره قدرتمندانه موارد زیر را یاد خواهید گرفت:

طبقه بندی تصویر
تشخیص آبجکت
رگرسیون خطی
مدل سازی در پایتون از ابتدا

پس از آن شما یاد خواهید گرفت که:

از مدل های یادگیری ماشین سفارشی خود در اندروید استفاده کنید.
از مدل‌ های tensorflow lite موجود در اپلیکیشن های اندروید استفاده کنید.

این دوره برای چه کسانی مناسب است؟

توسعه دهندگان مبتدی اندروید که می خواهند مدل های یادگیری ماشین را آموزش دهند و اپلیکیشن های اندرویدی مبتنی بر یادگیری ماشین بسازند.
توسعه دهندگان علاقه مند به اندروید که مشتاق هستند تا مدل سازی یادگیری ماشین را به مجموعه مهارت های خود اضافه کنند.
علاقه مندانی که به دنبال پر کردن شکاف بین یادگیری ماشین و توسعه اپلیکیشن موبایل هستند.
مهندسان یادگیری ماشین که به دنبال ساخت اپلیکیشن های واقعی با مدل های یادگیری ماشین هستند.

یادگیری ماشین اندروید با Tensorflow Lite - نسخه 2024

فصل 1: یادگیری ماشین و یادگیری عمیق برای توسعه اپلیکیشن اندروید

یادگیری ماشین چیست؟ 03:15
یادگیری ماشین نظارت شده 03:33
رگرسیون و طبقه بندی 02:08
یادگیری ماشین نظارت نشده و یادگیری تقویتی 03:19
مقدمه یادگیری عمیق و شبکه عصبی 05:56
مثال شبکه عصبی 10:05
کار با شبکه های عصبی برای طبقه بندی تصویر 04:51
مفاهیم اساسی یادگیری عمیق 04:49

فصل 2: دوره کوتاه زبان برنامه نویسی پایتون

مقدمه Google Colab 06:43
مقدمه پایتون و تایپ های داده 04:05
اعداد در پایتون 02:36
رشته ها در پایتون 02:49
لیست ها در پایتون 06:50
دیکشنری و تاپل ها در پایتون 03:11
حلقه ها و دستورات شرطی در پایتون 04:40
مدیریت فایل در پایتون 04:44

فصل 3: کتابخانه های علم داده برای اندروید

مقدمه Numpy 05:52
توابع Numpy و تولید مقادیر تصادفی 03:21
عملگرهای Numpy 02:12
ضرب ماتریس و مرتب سازی در Numpy 02:08
مقدمه Pandas 04:32
بارگذاری CSV در pandas 02:14
مدیریت مقادیر گمشده در مجموعه داده با pandas 03:29
Matplotlib و نمودارها در پایتون 03:57
برخورد با تصاویر با Matplotlib 03:01

فصل 4: تنسورفلو و Tensorflow Lite برای اندروید

مقدمه تنسورفلو - متغیرها و ثابت ها 06:29
شکل ها و رتبه های تانسورها 06:50
ضرب ماتریس و تانسورهای ناهموار 04:51
عملیات های تنسورفلو 02:01
تولید مقادیر تصادفی در تنسورفلو 06:15
چک پوینت های تنسورفلو 03:34
مقدمه و مزایای Tensorflow Lite 04:49

فصل 5: آموزش مدل رگرسیون اولیه برای اندروید

آموزش مدل رگرسیون ساده برای اندروید 09:50
تست مدل و تبدیل آن به فرمت tflite (Tensorflow lite) برای اندروید 03:18
بررسی آموزش مدل برای توسعه اپلیکیشن اندروید 01:44
ایجاد پروژه جدید اندروید استودیو و رابط کاربری گرافیکی (GUI) اپلیکیشن 08:29
افزودن کتابخانه Tensorflow Lite در اندروید و بارگذاری مدل Tensorflow Lite 08:00
ارسال ورودی به مدل Tensorflow Lite در اندروید و دریافت خروجی 07:24

فصل 6: پیش بینی راندمان سوخت - آموزش مدل رگرسیون پیشرفته

مقدمه بخش 02:31
جمع آوری داده - یافتن مجموعه داده پیش بینی راندمان سوخت 04:56
بارگذاری مجموعه داده در پایتون برای آموزش مدل 07:45
مدیریت مقادیر گمشده در مجموعه داده پیش بینی راندمان سوخت 03:24
مدیریت ستون های طبقه بندی شده در مجموعه داده برای آموزش مدل 04:38
آموزش و تست مجموعه داده ها 04:19
مقدمه نرمال سازی 02:12
نرمال سازی مجموعه داده 02:40
آموزش مدل پیش بینی راندمان سوخت در تنسورفلو 07:04
تست مدل آموزش دیده و تبدیل آن به مدل Tensorflow Lite 04:20
بررسی آموزش مدل پیش بینی راندمان سوخت 04:30

فصل 7: پیش بینی راندمان سوخت - اپلیکیشن اندروید

راه اندازی اپلیکیشن اندروید برای پیش بینی راندمان سوخت 07:19
بارگذاری مدل های Tensorflow Lite و اجرای نرمال سازی در اندروید 08:38
ارسال ورودی به مدل Tensorflow Lite در اندروید و دریافت خروجی 03:40
تست پیش بینی راندمان سوخت در اپلیکیشن اندروید 01:54

فصل 8: آموزش مدل پیش بینی قیمت مسکن و ساخت اپلیکیشن اندروید

مقدمه بخش 01:57
دریافت مجموعه داده برای آموزش مدل پیش بینی قیمت مسکن 03:45
بارگذاری مجموعه داده برای آموزش مدل tflite 07:19
آموزش و ارزیابی مدل پیش‌ بینی قیمت مسکن 06:30
آموزش مجدد مدل پیش بینی قیمت مسکن 04:04
اپلیکیشن اندروید برای پیش بینی قیمت مسکن 07:28
تست اپلیکیشن اندروید 02:22

فصل 9: طبقه بندی تصویر

مقدمه و اپلیکیشن های طبقه بندی تصویر 05:19

فصل 10: جمع آوری داده - جمع آوری مجموعه داده برای آموزش مدل طبقه بندی تصویر

مقدمه جمع آوری داده 03:25
یافتن مجموعه داده آماده برای استفاده برای آموزش مدل های طبقه بندی تصویر 05:13
بررسی مجموعه داده دانلود شده برای آموزش مدل های سفارشی طبقه بندی تصویر 03:05

فصل 11: آموزش اولین مدل سفارشی طبقه بندی تصویر خود در 25 دقیقه

مقدمه بخش 01:22
بررسی ماشین قابل آموزش و آپلود مجموعه داده برای آموزش مدل 04:57
آموزش، تست و تبدیل مدل به Tensorflow Lite 07:25
پیوست متادیتا با مدل‌ های آموزش‌ دیده Tensorflow Lite 01:47
مقدمه Google Colab 06:43
پیوست متادیتا و دانلود مدل آماده برای استفاده 05:09

فصل 12: آموزش مدل سفارشی طبقه بندی تصویر با یادگیری انتقالی

مقدمه یادگیری انتقالی 03:32
مقدمه Google Colab 06:43
نصب و ایمپورت کتابخانه ها برای آموزش مدل 04:27
آپلود مجموعه داده و اتصال به گوگل‌ درایو 03:56
تقسیم مجموعه داده به بخش های آموزش، تست و اعتبارسنجی 06:08
آموزش مدل سفارشی طبقه بندی تصویر 09:14
تست مدل و تبدیل آن به فرمت Tensorflow Lite 04:05

فصل 13: طبقه بندی تصویر - توسعه اپلیکیشن اندروید

مقدمه بخش 01:29

فصل 14: اندروید Image Picker - انتخاب یا ضبط تصاویر

ایجاد پروژه جدید اندروید استودیو و ساخت رابط کاربری گرافیکی (GUI) اپلیکیشن اندروید 09:44
انتخاب تصاویر از گالری در اندروید 07:22
ضبط تصاویر با استفاده از دوربین در اندروید 09:52
ارائه دهنده فایل - اشتراک گذاری ایمن داده بین اپلیکیشن های اندروید 07:17
بررسی ضبط تصاویر در اندروید 02:35

فصل 15: طبقه بندی تصویر با تصاویر

افزودن مدل و کتابخانه های Tesnorflow Lite در اندروید 06:18
تحلیل و بارگذاری مدل Tesnorflow Lite در اندروید 05:00
انتقال ورودی به مدل tflite و خروجی گرفتن در اندروید 06:17
نمایش نتایج مدل سفارشی طبقه بندی تصویر روی صفحه نمایش در اندروید 05:18

فصل 16: پس زمینه استفاده از مدل های Tensorflow Lite در اندروید

بارگذاری مدل Tensorflow Lite در اندروید 04:27
انتقال ورودی به مدل Tesnorflow Lite و گرفتن خروجی 04:14
چگونه مدل‌ های Tensorflow Lite نتایج را در اندروید برمی‌ گردانند؟ 04:02
تبدیل خروجی مدل به نتایج در اندروید 09:18
استفاده از مدل آموزش دیده یادگیری انتقالی در اندروید 02:41
بهبود GUI طبقه بندی تصویر با اپلیکیشن تصاویر 14:39

فصل 17: نمایش فوتیج لایو دوربین در اندروید با Camera2 API

ایجاد پروژه جدید اندروید و مدیریت مجوز دوربین 10:41
نمایش فوتیج لایو دوربین در اندروید با Camera2 API 13:59
چگونه دوربین را در اندروید نمایش می دهیم؟ 05:17
دریافت فریم های فوتیج لایو دوربین به عنوان Bitmaps در اندروید 10:41

فصل 18: طبقه بندی تصویر بلادرنگ در اندروید

افزودن مدل‌ ها و کتابخانه‌ ها در پروژه اندروید استودیو 05:08
بارگذاری مدل های Tensorflow Lite در اندروید و انتقال فریم های دوربین 06:33
نمایش نتایج مدل ها روی صفحه نمایش در اندروید 05:44
استفاده از مدل آموزش دیده یادگیری انتقالی در اندروید 02:35
تنظیم آستانه اطمینان در اندروید 00:52
کار روی GUI اپلیکیشن اندروید برای طبقه بندی تصویر بلادرنگ 07:22

فصل 19: تشخیص آبجکت

مقدمه تشخیص آبجکت و اپلیکیشن ها 03:55
مدل تشخیص آبجکت چگونه آموزش داده می شود؟ 03:38

فصل 20: جمع آوری و حاشیه نویسی مجموعه داده برای آموزش مدل تشخیص آبجکت

جمع آوری داده چیست؟ 03:54
جمع آوری مجموعه داده برای آموزش مدل تشخیص آبجکت برای اندروید 05:14
بررسی مجموعه داده و مدیریت آن برای آموزش مدل تشخیص آبجکت برای اندروید 03:04
حاشیه نویسی داده چیست؟ 03:02
بررسی ابزار حاشیه نویسی داده و آپلود داده 08:11
حاشیه نویسی مجموعه داده برای آموزش مدل تشخیص آبجکت برای اندروید 07:41
افزودن تصاویر حاشیه نویسی شده در مجموعه داده و اصلاح کلاس ها 02:55
اعمال افزایش داده و اکسپورت مجموعه داده 07:18
چک کردن سلامت مجموعه داده قبل از آموزش مدل 02:49

فصل 21: آموزش مدل‌ های سفارشی تشخیص آبجکت برای اپلیکیشن های اندروید

مقدمه بخش - آموزش مدل‌ های تشخیص آبجکت 03:01
تغییر ساختار مجموعه داده حاشیه نویسی شده برای آموزش مدل 03:27
مقدمه Google Colab 06:43
آموزش مدل نوت بوک و آپلود مجموعه داده 02:22
ایمپورت کتابخانه ها و بارگذاری مجموعه داده حاشیه نویسی شده 07:29
آموزش مدل سفارشی تشخیص آبجکت 06:03
مبانی ارزیابی مدل تشخیص آبجکت 04:20
تست مدل سفارشی تشخیص آبجکت 04:21
مقدمه Tensorflow Lite 06:16
تبدیل مدل تشخیص آبجکت به Tensorflow Lite 01:20
بهبود مدل های تشخیص آبجکت 01:57

فصل 22: تشخیص آبجکت با تصاویر برای توسعه اپلیکیشن اندروید

ایمپورت کد اپلیکیشن استارتر اندروید کاتلین برای تشخیص آبجکت با تصاویر 02:51
افزودن کتابخانه ها برای انجام تشخیص آبجکت در اپلیکیشن اندروید کاتلین 03:45
بارگذاری مدل‌ های تشخیص آبجکت در اپلیکیشن اندروید کاتلین 10:28
انتقال تصاویر ورودی به مدل های تشخیص آبجکت و دریافت خروجی در اندروید 06:02
دریافت نام ها، اطمینان و لوکیشن آبجکت تشخیص داده شده در اندروید 10:39
ترسیم مستطیل در اطراف آبجکت های تشخیص داده شده در اندروید 07:43
ترسیم نام آبجکت های تشخیص داده شده روی تصاویر در اپلیکیشن اندروید کاتلین 10:39
پویاسازی متن و اندازه مستطیل در اپلیکیشن اندروید کاتلین 02:12
مدیریت چرخش تصاویر دوربین در اپلیکیشن های اندروید کاتلین 01:59

فصل 23: تشخیص آبجکت بلادرنگ در اندروید

راه اندازی پروژه اندروید استودیو 02:17
دمو - تشخیص آبجکت بلادرنگ در اپلیکیشن اندروید کاتلین 01:06
نمایش فوتیج لایو دوربین در اپلیکیشن اندروید کاتلین 08:56
دریافت فریم ها از فوتیج لایو دوربین به صورت bitmaps در اپلیکیشن اندروید کاتلین 07:11
انجام تشخیص آبجکت با فریم های فوتیج لایو دوربین در اندروید 05:02
ترسیم مستطیل در اطراف آبجکت های شناسایی شده به صورت بلادرنگ در اپلیکیشن های اندروید کاتلین 03:48