آموزش دسته بندی تصاویر با شبکه های عصبی در پایتون و در Google Colab + گواهینامه
5 ساعت
5.0
یادگیری عمیق چیست؟ یادگیری عمیق زیرشاخهای از تکنیکهای یادگیری ماشین میباشد، که قادر به استخراج خودکار ویژگیهای سطح بالا از ویژگیهای سطح پایین میباشد. اهمیت یادگیری این آموزش چیست؟ امروزه تکنیکهای یادگیری عمیق درزمینههای مختلفی مانند تشخیص سرطان و یا نوع بیماری در تصاویر پزشکی، تشخیص نوع گیاه و یا نوع آفت در گیاهان، ترجمه متون، چت بتها، توصیف تصاویر ماهوارهای، مسیریابی خودرو در ماشینهای خودران، بهبود عملکرد شهرهای هوشمند، تخصیص بهینه منابع در رایانش ابری و... کاربردهای فراوانی دارند؛ بهگونهای که پیشرفتهای اخیر تکنیکهای یادگیری عمیق به سطحی رسیده که در اموری مانند طبقهبندی تصاویر و تشخیص اشیا بهتر از انسانها عمل کرده است. با توجه به کاربردهای فراوان یادگیری عمیق در صنایع مختلف از جمله مهندسی، پزشکی، حملونقل، تولید، مراقبتهای بهداشتی و همچنین هوشمند شدن صنایع مختلف، لزوم یادگیری عمیق امری ضروری میباشد؛ زیرا با جایگزین کردن ماشینها (کامپیوترها) به جای انسان احتمال بروز خطا و اشتباه در مسائل حساس از قبیل پزشکی که با جان انسانها سروکار دارند را کاهش میدهد. در این فرادرس چطور یاد میگیریم؟ ما در این دوره آموزشی میخواهیم دانشجویان را با محیط برنامهنویسی Google Colab و همچنین تکنیکهای یادگیری عمیق از جمله طبقهبندی تصاویر، توصیف تصاویر، عنوانبندی تصاویر و بازشناسی چهره آشنا کنیم. در این فرادرس ابتدا به خواندن فایلهای CSV و نحوه استخراج فایلهای فشرده در محیط Google Colab میپردازیم؛ سپس مفاهیم پایه و اساسی مورد نیاز برای انجام پروژه بازشناسی چهره را مورد بررسی قرار میدهیم. در انتها، ساختن مدل و پیادهسازی تابع هزینه سهگانه را به شما مخاطبین گرامی آموزش خواهیم داد.
