دوره اموزشی بینایی ماشین

مقدمه:

هوش مصنوعی چیست؟

تفاوت هوش مصنوعی، یادگیری عمیق و یادگیری ماشین

هوش مصنوعی عمومی و ضعیف

الگوریتم های بدون سرپرست و نظارت شده

آشنایی با الگوریتم های رگرسیون و طبقه بندی

تصویر به عنوان داده

الگوریتم نزدیک ترین همسایه

استفاده از کتابخانه scikit-learn در پایتون و مثال طبقه بندی اعداد فارسی

شبکه عصبی:

پرسپترون و نوران

تابع فعالیت

تابع هزینه و خطا

شبکه عصبی چند لایه

بهینه سازی شبکه عصبی

پیاده سازی در فریم ورک تنسرفلو / کراس

شبکه های عصبی عمیق:

شبکه های عصبی کانولوشنالی

انتقال یادگیری (Transfer learning)

تکنیک    Dropout

افزونگی داده

طبقه بندی تصویر با شبکه های عصبی کانولوشنالی:

مفاهیم پایه شبکه عصبی کانولوشنالی

طبقه بندی اعداد

طبقه بندی چالش 2013 گربه /سگ

طبقه بندی تصاویر جمع آوری شده توسط دانشجو

بررسی شبکه های کانولوشنالی معروف

Alexnet

ZFNet

VGG

Inception

Resnet

ترنسفرلرنینگ و fine-tuning

بررسی 3 روش مختلف برای transfer learning و پیاده سازی حداقل 2 مثال

رگرسیون

رگرسیون قیمت خانه از روی داده ها تصویری

رگرسیون قیمت خانه از روی داده های ساختاریافته

پیش بینی مصرف سوخت ماشین

Functional API

مفاهیم پایه ی functional api

بررسی مدلهای دارای چند ورودی و چند خروجی

تخمین قیمت خانه از روی داده های تصویری+ساختار یافته با functional api

مثال Object Localization

استفاده از مدلهای معروف از قبل آموزش داده شده

Object detection

Pose estimation

Face recognition & detection