دوره کامل Android 16 [بخش 3] - تبدیل شدن به یک استاد

آنچه یاد خواهید گرفت:

• توسعه‌دهندگان Android در سطح متوسط که با اصول Android آشنا هستند و می‌خواهند وارد توسعه‌ پیشرفته و واقعی اپلیکیشن شوند.
• توسعه‌دهندگان Android علاقه‌مند به یادگیری ماشین، بینایی ماشین و اپلیکیشن‌های موبایل مجهز به هوش مصنوعی
• توسعه‌دهندگانی که می‌خواهند Google Maps را یکپارچه کنند و اپلیکیشن‌های واقعی مانند اپلیکیشن‌های مکان‌محور شبیه Uber بسازند.
• مبتدیان یادگیری ماشین که می‌خواهند مفاهیم یادگیری ماشین را به‌ صورت عملی داخل اپلیکیشن‌های Android به‌کار بگیرند (بدون نیاز به ریاضیات سنگین)
• توسعه‌دهندگانی که می‌خواهند با استفاده از TensorFlow Lite (TFLite) مدل‌های یادگیری ماشین سفارشی بسازند، آموزش دهند و مستقر کنند.
• مهندسان Android که هدفشان ساخت اپلیکیشن‌های تشخیص اشیا، از جمله مدل‌های سفارشی YOLO و SSD MobileNet است.
• دانشجویان یا متخصصانی که برای پروژه‌های پیشرفته‌ Android، هوش مصنوعی یا بینایی کامپیوتری آماده می‌شوند.
• توسعه‌دهندگانی که می‌خواهند با پروژه‌های پیشرفته‌ Android + یادگیری ماشین رزومه‌ خود را ارتقا دهند.

پیش‌نیازهای دوره

• مهارت‌های پایه‌ Android Studio

توضیحات دوره

به بخش 3 از مجموعه‌ توسعه‌ی اپلیکیشن Android خوش آمدید؛ جایی که وارد مهندسی پیشرفته‌ Android و یادگیری ماشین روی دستگاه می‌شویم.

این دوره برای توسعه‌دهندگانی طراحی شده است که می‌خواهند فراتر از اپلیکیشن‌های سنتی مبتنی بر CRUD بروند و شروع به ساخت اپلیکیشن‌های هوشمند و در سطح تولید کنند که سیستم‌های نقشه، داده‌ بلادرنگ و مدل‌های یادگیری ماشین را با هم ترکیب می‌کنند.

ابتدا با یکپارچه‌سازی پیشرفته‌ Google Maps شروع می‌کنید و یاد می‌گیرید چگونه اپلیکیشن‌هایی شبیه Uber بسازید که ردیابی لوکیشن لایو، حرکت دوربین، نشانگرها، مسیریابی polyline، محاسبه‌ فاصله و بهینه‌سازی رابط کاربری مبتنی بر نقشه را برای کاربردهای واقعی مدیریت می‌کنند.

در ادامه، به‌ صورت عمیق وارد یادگیری ماشین در Android می‌شوید و به‌جای مفاهیم جداگانه، روی گردش‌کارهای end-to-end تمرکز می‌کنید. شما یاد می‌گیرید چگونه:

• مجموعه‌ داده‌ها را برای یادگیری ماشین موبایل آماده و ساختاردهی کنید.
• مدل‌های سفارشی را برای کاربردهای Android آموزش دهید.
• مدل‌ها را به TensorFlow Lite (TFLite) تبدیل و بهینه‌سازی کنید.
• مدل‌های یادگیری ماشین را به‌ صورت کارآمد روی دستگاه‌های Android مستقر و اجرا کنید.

یکی از محورهای اصلی دوره، بینایی کامپیوتری و تشخیص اشیا است. شما با معماری‌های استاندارد صنعت مانند SSD MobileNet و YOLO کار خواهید کرد و یاد می‌گیرید:

• تفاوت مدل‌های تشخیص و اینکه هر کدام را چه زمانی باید استفاده کرد؟
• چگونه مدل‌های سفارشی تشخیص اشیا را از ابتدا آموزش دهید؟
• چگونه این مدل‌ها را اکسپورت کرده و در اپلیکیشن‌های Android یکپارچه کنید؟
• چگونه با استفاده از دوربین دستگاه، تشخیص اشیای بلادرنگ انجام دهید؟

همچنین تکنیک‌های بهینه‌سازی مهم برای عملکرد موبایل را یاد می‌گیرید، از جمله کاهش حجم مدل، بهینه‌سازی سرعت inference و مدیریت منابع، تا مطمئن شوید اپلیکیشن‌های شما روی دستگاه‌های واقعی به صورت هموار اجرا می‌شوند.

این دوره پروژه‌محور و متمرکز بر پیاده‌سازی است. هر مفهوم مهم مستقیماً روی Android اعمال می‌شود تا درک روشنی از این داشته باشید که یادگیری ماشین، بینایی کامپیوتری و توسعه‌ Android چگونه در محصولات واقعی کنار هم کار می‌کنند.

در پایان این دوره، شما:

• اپلیکیشن‌های پیشرفته‌ Android مبتنی بر نقشه ساخته‌اید.
• قابلیت‌های مجهز به هوش مصنوعی را با استفاده از یادگیری ماشین روی دستگاه پیاده‌سازی کرده‌اید.
• مدل‌های سفارشی تشخیص اشیا با TFLite را ایجاد و مستقر کرده‌اید.
• اپلیکیشن‌های Android بلادرنگ مجهز به یادگیری ماشین و آماده‌ تولید توسعه داده‌اید.
• مهارت‌های Android و هوش مصنوعی خود را به‌طور چشمگیری ارتقا داده‌اید.

این یک دوره‌ سطح پیشرفته است و فرض می‌کند از قبل با Kotlin، Android Studio و اصول Android آشنایی دارید.

این دوره برای چه کسانی مناسب است؟

• این دوره برای توسعه‌دهندگان Android طراحی شده که از قبل تجربه‌ پایه تا متوسط دارند و می‌خواهند مهارت‌های خود را به سطحی پیشرفته و حرفه‌ای برسانند.
• توسعه‌دهندگانی که می‌خواهند با استفاده از Google Maps، سرویس‌های لوکیشن و مفاهیم اپلیکیشن‌های شبیه Uber، اپلیکیشن‌های واقعی بسازند.
• توسعه‌دهندگان Android که به یکپارچه‌سازی یادگیری ماشین و بینایی کامپیوتری در اپلیکیشن‌های خود علاقه‌مند هستند.
• دانشجویان و متخصصانی که می‌خواهند با پروژه‌های پیشرفته‌ Android + یادگیری ماشین، رزومه‌ خود را تقویت کنند.
• برنامه‌نویسانی که می‌خواهند تجربه‌ عملی با اپلیکیشن‌های Android مجهز به هوش مصنوعی داشته باشند، نه فقط تئوری
• توسعه‌دهندگانی که هدفشان ساخت اپلیکیشن‌های تشخیص اشیا با استفاده از مدل‌های YOLO و SSD MobileNet است.