آموزش پیاده سازی شبکه عصبی کانولوشنی CNN با تنسورفلو TensorFlow + گواهینامه

آموزش پیاده سازی شبکه عصبی کانولوشنی CNN با تنسورفلو TensorFlow + گواهینامه

TensorFlow چیست؟ TensorFlow یک کتابخانه متن‌باز و پلتفرم نرم‌افزاری برای یادگیری عمیق و یادگیری ماشین است که توسط گوگل ایجاد شده است. TensorFlow ابتدا در سال ۲۰۱۵ به عنوان یک پروژه تحقیقاتی در گوگل منتشر شد و با سرعت به یکی از محبوب ترین و پرکاربرد‌ترین کتابخانه‌های یادگیری عمیق در جهان تبدیل شد. شبکه عصبی کانولوشنی یا CNN چیست؟ امروزه مباحث هوش مصنوعی و یادگیری ماشین بیش از پیش با صنعت و زندگی بشر عجین شده است و صرف نظر از هر حوزه و صنعتی، کاربردهای آن در تمامی زمینه‌ها به چشم می‌آید. یکی از زمینه‌های اصلی هوش مصنوعی، شبکه‌های کانولوشنی است که کاربرد اصلی آن پردازش، طبقه‌بندی و تشخیص تصاویر است. اهمیت یادگیری شبکه عصبی کانولوشنی چیست؟ این حوزه دارای کاربردهای گوناگون در طراحی و ساخت سیستم‌های تشخیص چهره گوشی‌های هوشمند، مدیریت ترافیک شهری، پروژه‌های تشخیص تصاویر اشعه ایکس در پزشکی و... دارد و بر اساس اعلام مراجع کسب‌وکار بین‌المللی، نیاز بسیار وسیع و جدی به متخصصین این حوزه در همه پروژه‌های فناوری اطلاعات در چند سال اخیر است. از سوی دیگر به دلیل توسعه و گسترش سریع همه حوزه‌های علم و دانش، یادگیری این قسمت از علم فقط مختص رشته‌های کامپیوتر و فناوری اطلاعات نیست و دانستن آن برای هر فرد با هر زمینه دانشی مزیت بزرگی محسوب می‌شود. در این فرادرس چه چیزی یاد می‌گیریم؟ در این فرادرس به آموزش شبکه‌های عصبی کانولوشنی از مفاهیم اولیه تا پردازش‌های کاربردی متوسط پرداخته می‌‌شود و هدف این است تا با تمرکز بر روی مثال‌های متنوع، بر روی مباحث کاربردی تاکید شود. همچنین مباحث به گونه‌ای ارائه شده است تا برای هر فرد علاقه‌مندی با هر سطح آشنایی با پایتون، قابل استفاده و به کارگیری باشد. پس از اتمام این فرادرس شما دوست عزیز قادر هستید به عنوان یک فرد با دانش متوسط با شبکه‌های عصبی کانولوشنی کار کنید، عکس‌های گوناگون را مورد تحلیل و دسته‌بندی قرار دهید و یاد بگیرید چطور محدودیت‌های این حوزه شامل عکس‌های با اندازه متفاوت را مدیریت کنید. در طول این آموزش سعی شده است قبل از ارائه مثال‌های کاربردی، مفاهیم اولیه تئوری نیز با جزئیات مناسب ارائه شوند تا مخاطب به طور هم‌زمان تسلط مناسبی روی مباحث عملی و تئوری داشته باشد. همچنین به منظور ترسیم مطالعات آینده برای مخاطبان عزیز، چند نمونه کاربردی به عنوان کاربردهای شبکه‌های عصبی کانولوشنی پیشرفته ارائه شده است که مطالعه آن بسیار جذاب خواهد بود. برای نمونه یکی از کاربردهای بسیار جذاب این حوزه Style Transferring h نام دارد که قادر است تم یک عکس هنری را بر روی یک عکس دلخواه بارگذاری کند و این کار به قدری طبیعی، جذاب و با ظرافت توسط ماشین انجام می‌شود که در نگاه اول این‌طور به نظر می‌آید که این کار توسط یک نقاش زبردست انجام شده است.

تریلر دوره

توضیحات کامل دوره

...

سرفصل‌های دوره

  • چکیده
    0:01:21

  • ضرورت و اهمیت موضوع
    رایگان 0:10:18
  • بررسی برخی از کاربردها
    0:08:09
  • آزمون ۱

  • مفهوم یادگیری عمیق
    رایگان 0:13:36
  • جایگاه یادگیری عمیق در هوش مصنوعی
    0:07:12
  • مراحل ساخت یک مدل یادگیری عمیق در TensorFlow
    0:06:26
  • نگاه بصری به یک مساله هوش مصنوعی
    0:03:52
  • تئوری رگرسیون
    0:06:13
  • كدنویسی رگرسیون
    رایگان 0:13:05
  • کدنویسی و ساخت مدل رگرسیون
    0:13:38
  • پیاده‌سازی و كدنویسی لجستیک رگرسیون
    0:12:30
  • تمرین ۱ - رگرسیون روی داده دلخواه
  • تمرین ٢ - لجستیک رگرسیون روی داده دلخواه
  • تمرین ۳ - تفسیر رگرسیون با توابع خطای دیگر
  • تمرین ۴ - تغییر خطا در لجستیک رگرسیون
  • آزمون ۲

  • نحوه ذخیره‌سازی فرمت عکس در کامپیوتر
    رایگان 0:05:49
  • مفهوم کانولوشن
    0:13:40
  • معماری یک شبکه کانولوشن
    0:08:32
  • پیاده‌سازی شبکه عصبی کانولوشن در TensorFlow
    0:09:48
  • مفهوم Data Augmentation و Batch Normalization
    0:07:53
  • آزمون ۳

  • آشنایی با دیتاست
    رایگان 0:03:50
  • كدنویسی دیتاست MNIST
    0:12:31
  • توضیحات مربوط به كدها
    0:10:59
  • بررسی صحت الگوریتم ارائه‌شده
    0:12:31
  • كدنویسی دیتاست Fashion_MNIST
    0:04:02
  • توضیحات مربوط به كدهای Fashion_MNIST
    0:10:05
  • د نویسی دیتاست CIFAR
    0:03:35
  • توضیحات مربوط به كدهای CIFAR
    0:10:29
  • تمرین ۱ - تغییر ساختار مدل کانولوشن
  • آزمون ۴

  • مفاهیم اولیه و فلسفه شبکه‌های مدرن
    رایگان 0:07:03
  • نحوه آپلود فولدر عکس‌های منتخب به گوگل کولب (Google Colab)
    0:09:35
  • معماری‌های شبکه کانولوشنی
    0:06:33
  • كدنویسی شبکه مدرن ResNet
    0:04:24
  • ساخت و تفسیر مدل
    0:09:14
  • توضیحات مربوط به كدنویسی ResNet
    0:12:02
  • توضیحات مدل‌سازی و تفسیر مدل
    0:09:18
  • پیاده‌سازی شبکه مدرن Inception
    0:08:52
  • پیاده‌سازی شبکه مدرن VGG
    رایگان 0:07:09
  • معرفی مراجع و منابع
    0:02:13
  • آزمون ۵

  • جمع‌بندی و نتیجه مباحث
    0:02:47
  • ادامه یادگیری
    0:05:15
  • ادامه مسیر تا ورود به بازار کار

  • تمرین ۱ - پیاده‌سازی و تغییر شبکه کانولوشن
  • تمرین ٢ - پیاده‌سازی شبکه مدرن روی دیتاست شناسایی میوه‌ها
  • تمرین ۳ - پیاده‌سازی شبکه مدرن روی دیتاست شناسایی سلول‌های خونی

  • آموزش پیاده سازی شبکه عصبی کانولوشنی CNN با تنسورفلو TensorFlow

  • خلاصه و مرور آموزش
  • واژه‌نامه (Glossary)
  • سوالات متداول (FAQ)
  • مشاغل مرتبط
  • نمونه سئوالات مصاحبه شغلی

ارسال نظر شما

نظرات کاربران

نظرات کاربران

هنوز نظری ثبت نشده است.

1,790,000 تومان
358,000 تومان
80% تخفیف

این دوره شامل:
10 فصل آموزشی
4 ساعت ساعت آموزش
دسترسی مادام‌العمر
سطح: مبتدی
گواهی پایان دوره: ندارد
تاریخ انتشار: 1403/12/09
آخرین به‌روزرسانی: 2026-10-29 14:45:57
تعداد امتیازها: 0
تعداد دانشجو:
خرید اقساطی: ندارد
ضمانت بازگشت وجه: ندارد
برچسب‌ها: