بوتکمپ PyTorch - توسط OpenCV
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- ورود به دنیای یادگیری عمیق با استفاده از یکی از قدرتمندترین فریمورکهای هوش مصنوعی یعنی PyTorch
- طبقهبندی تصاویر
- مبانی تشخیص آبحکت
- شبکههای عصبی
پیشنیازهای دوره
- آشنایی مقدماتی با Python
توضیحات دوره
PyTorch در قلب پژوهشها و کاربردهای مدرن هوش مصنوعی قرار دارد و به همین دلیل مهارتی ضروری برای هر فردی است که قصد ورود به این حوزه را دارد. در این بوتکمپ، مفاهیم اساسی یادگیری عمیق و کاربردهای واقعی بینایی کامپیوتر آموزش داده میشوند تا فراگیران تجربهای عملی به دست آورند.
بررسی دوره:
مقدمه دوره – آشنایی با PyTorch، مفاهیم پایه Deep Learning و اهداف دوره
ماژول 1: PyTorch برای مبتدیان – یادگیری مبانی PyTorch، Tensorها و عملیات اساسی
ماژول 2: PyTorch Autograd – درک مفهوم مشتقگیری خودکار برای انتشار معکوس
ماژول 3: پرسپترونهای چند لایه (MLP) – پیادهسازی یک شبکه عصبی کاملاً متصل از ابتدا
ماژول 4: شبکههای عصبی کانولوشنی (CNN) – ساخت و آموزش CNNها برای طبقهبندی تصاویر
ماژول 5: مدلهای از پیش آموزشدیده Torchvision – استفاده از مدلهای پیشرفته pretrained برای تسک های بینایی
ماژول 6: یادگیری انتقالی و فاین تیونینگ – تطبیق مدلهای از پیش آموزشدیده برای کاربردهای سفارشی
ماژول 7: بخشبندی معنایی – بخشبندی تصاویر در سطح پیکسل با استفاده از مدلهای یادگیری عمیق
ماژول 8: تشخیص آبجکت – شناسایی و مکانیابی آبجکت ها در تصاویر با مدلهای مبتنی بر PyTorch
ماژول 9: بخشبندی نمونه – تشخیص و بخشبندی جداگانه آبجکت در صحنههای پیچیده
ماژول 10: YOLO – پیادهسازی You Only Look Once (YOLO)، یکی از سریعترین روشهای تشخیص آبجکت
این بوتکمپ با راهنمایی گامبهگام، تضمین میکند که تسلط بالایی به PyTorch و یادگیری عمیق پیدا کنید و شما را برای پروژههای هوش مصنوعی در حوزههای بینایی کامپیوتر، تحلیل تصویر و فراتر از آن آماده میسازد.
همین امروز سفر یادگیری PyTorch خود را با Dr. Satya Mallick آغاز کنید!
این دوره برای چه کسانی مناسب است؟
- توسعهدهندگان مبتدی Python که مشتاق یادگیری PyTorch و بینایی کامپیوتر هستند.
بوتکمپ PyTorch - توسط OpenCV
-
مقدمه 00:39
-
Tensorها و عملیات آنها 27:03
-
مروری بر Autograd و انتشار معکوس 23:58
-
آموزش یک مدل MLP روی دیتاست Fashion MNIST 01:04:10
-
آموزش یک مدل CNN برای طبقهبندی 01:21:45
-
طبقهبندی تصاویر با مدلهای از پیش آموزشدیده Torchvision 21:40
-
یادگیری انتقالی برای طبقهبندی حیوانات 41:20
-
فاین تیونینگ: بهبود طبقهبندی گونههای میمون 39:05
-
بخشبندی معنایی با مدلهای Torchvision 31:59
-
Faster R-CNN 38:12
-
Mask R-CNN 38:10
-
تشخیص آبجکت با Ultralytics YOLO11 21:51
-
گامهای بعدی 02:10
مشخصات آموزش
بوتکمپ PyTorch - توسط OpenCV
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:متوسط
- تعداد درس:13
- مدت زمان :07:12:02
- حجم :5.81GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy