آشنایی با یادگیری عمیق برای بینایی کامپیوتر

آنچه یاد خواهید گرفت:

• توسعه‌ی یک پایه‌ی قوی در یادگیری عمیق برای تحلیل تصویر
• آموزش مجدد مدل‌های رایج مانند GoogLeNet و ResNet برای کاربردهای خاص
• بازرسی رفتار مدل برای شناسایی خطاها، تعیین فیکس‌های ممکن و بهبود عملکرد مدل
• تکمیل یک پروژه‌ی واقعی برای تمرین کل گردش کار یادگیری عمیق

توضیحات دوره

بدون هیچ دانش قبلی در یادگیری عمیق شروع می‌کنید و این دوره‌ی بنیادین شما را راهنمایی می‌کند تا به طور مؤثر مدل‌های پیشرفته را برای اهداف دسته‌بندی تصویر آموزش دهید. از تحلیل تصاویر پزشکی تا شناسایی علائم راهنمایی و رانندگی، دسته‌بندی برای بسیاری از کاربردها اهمیت دارد. مدل‌های دسته‌بندی همچنین به عنوان پشتوانه‌ای برای مدل‌های پیچیده‌تر شناسایی اشیاء عمل می‌کنند. از طریق پروژه‌های عملی، شما مدل‌ها را برای دسته‌بندی علائم راهنمایی و رانندگی و شناسایی حروف زبان اشاره آمریکایی آموزش داده و ارزیابی خواهید کرد. با تکمیل این دوره، شما یک پایه‌ی قوی در یادگیری عمیق برای تحلیل تصویر خواهید ساخت و مهارت‌های لازم برای مواجهه با چالش‌های واقعی در بینایی کامپیوتر را کسب خواهید کرد.

در پایان این دوره، شما قادر خواهید بود:

• توضیح دهید چگونه شبکه‌های یادگیری عمیق ویژگی‌های تصویر را پیدا کرده و پیش‌بینی می‌کنند.
• مدل‌های رایج مانند GoogLeNet و ResNet را برای کاربردهای خاص دوباره آموزش دهید.
• رفتار مدل را برای شناسایی خطاها و تعیین فیکس‌های احتمالی بازرسی کنید.
• عملکرد مدل با تیونینگ هایپرپارامترها بهبود دهید.
• کل گردش کار یادگیری عمیق را در یک پروژه‌ی نهایی انجام دهید.

در طول دوره، شما به نرم‌افزار متلب مورد استفاده کارفرمایان در سراسر دنیا  دسترسی رایگان خواهید داشت. دوره‌ها از کاربردهای متلب بهره‌برداری می‌کنند، بنابراین وقت کمتری را صرف کدنویسی می‌کنید و زمان بیشتری را به اعمال مفاهیم یادگیری عمیق اختصاص می‌دهید.