سرفصل های این دوره آموزشی :
فصل اول
۱. مقدمه ای بر پردازش تصویر
۲. مبانی پردازش تصویر
۳. فراخوانی تصویر
۴. استخراج ویژگی در تصاویر
فصل دوم
۱. مبانی و معرفی یادگیری عمیق
۲. معرفی و مزایای Keras
۳. نحوه بارگذاری دیتاست های در Keras
۴. آشنایی با ساختار و انواع داده ها و تنسورها
۵. نحوه بارگذاری داده های چند بعدی در Python
۶. نحوه تغییر ویژگی داده ها
۷. فراخوانی داده های دو بعدی تصویر
فصل سوم
۱. نحوه ساختن یک مدل در Keras
۲. انواع لایه ها و مدل ها در Keras
۳. تنظیم پارامترهای مختلف آموزش
۴. نحوه آموزش مدل های ایجاد شده
۵. نحوه بررسی و نمایش نتایج آموزش
فصل چهارم
۱. تکنیک های مفید برنامه نویسی در Keras
۲. نحوه ذخیره و بازیابی مدل آموزش دیده
۳. نحوه محاسبه زمان آموزش
۴. پیاده سازی در گوگل کلب
پیشنیاز های این دوره آموزشی:
توانایی های دانشپذیر پس از پایان دوره آموزشی:
پس از فصل اول:
یکی از بخش های مهم در یادگیری ماشین کار بر روی تصاویر است. به دلیل کاربرد یادگیری عمیق بر روی تصاویر در این بخش به صورت کاربردی بر روی فراخوانی و پردازش تصاویر بحث می شود.
پس از فصل دوم:
در این بخش مبانی یادگیری عمیق و ساختار مختلف از شبکه های یادگیری عمیق مورد مطالعه قرار می گیرد. در این فصل به مباحث آکادمیک یادگیری عمیق می پردازیم.
پس از فصل سوم:
در این فصل بر روی کاربرد های عملی و پیاده سازی در پایتون خواهیم پرداخت.
پس از فصل چهارم:
به منظور افزایش یادگیری در عمق مطالب در این بخش به ارائه مثال های مختلف و پیاده سازی در دیتابیس های بزرگ می پردازیم. در پروژه های حرفه ای با بیگ دیتا ها سر و کار داریم که دانستن ابزار برای استفاده در این دیتابیس ها ضروری است.
می توانید نمونه کار های دانشپذیران قبلی را از اینجا مشاهده کنید.
