Deep Learning with Python

راهنمای کامل یادگیری عمیق با آموزشهای پایتون را بیاموزید

هدف این برنامه معرفی علاقه مندان به یادگیری عمیق به بینایی کامپیوتر است ، از مبانی شروع می شود و سپس به مدل های مدرن یادگیری عمیق روی می آوریم. یادگیری عمیق برای برنامه بینایی رایانه ای ، هم شامل شناسایی تصویر و فیلم ، از جمله طبقه بندی تصویر و حاشیه نویسی ، شناسایی شی و جستجوی تصویر ، تکنیک های مختلف تشخیص شی object ، برآورد حرکت ، ردیابی اشیا in در فیلم ، تشخیص عملکرد انسان و در نهایت سبک سازی تصویر ، ویرایش و نسل جدید تصویر. در این دوره از دانشجویان ، دانش آموزان می آموزند که چگونه برای شناخت مکانیک داخلی این فناوری ، یک سیستم شناسایی و دستکاری چهره بسازند ، این مشهورترین نمونه ای است که اغلب در فیلم ها و نمایش های تلویزیونی به عنوان مثال بینایی کامپیوتر و هوش مصنوعی نشان داده می شود.

موضوع اصلی اصلی:

De یادگیری عمیق چیست؟

✔ اصول تصویر.

✔ اصول طبقه بندی تصویر.

✔ مجموعه داده ها برای طبقه بندی تصویر.

✔ تنظیم محیط توسعه خود

Class ایجاد کلاس اول تصویر.

✔ یادگیری پارامتر شده

Method روش های بهینه سازی و منظم سازی.

Network مبانی شبکه عصبی.

✔ شبکه های عصبی کانولوشن.

✔ آموزش اولین CNN خود.

✔ ذخیره و بارگذاری مدل های خود

✔ LeNet: شناخت ارقام دست نویس.

V MiniVGGNet: با CNN عمیق تر می شویم

✔ برنامه ریزی نرخ یادگیری.

✔ نقاط ضعف و بیش از حد لکه بینی.

✔ مدل های بازرسی.

✔ تجسم معماری های شبکه.

✔ مفاهیم بینایی رایانه و مثالهای عملی

CN CNN های خارج از جعبه برای طبقه بندی.

✔ مباحث اصلی برنامه نویسی پایتون.

Top مباحث علوم داده مثالهای کد پایتون.

Learn یادگیری ماشین با مثالهای کد.