در حال حاضر محصولی در سبد خرید شما وجود ندارد.
در این دوره آموزشی بر برنامه نویسی دید کامپیوتری یا همان Computer Vision آشنا شده و همراه با مدرس دوره از ساده تا پیشرفته برنامه نویسی آن را یاد خواهید گرفت.
عنوان اصلی : Udacity Computer Vision Nanodegree v1.0.0
01. 02 معرفی لایه های CNN V1 RENDER V3-hT6zBYCuAfw
03. 03 داده ها و طرح کلی درس RENDER V2-jPr-5aZA6NE
05. لایه های کانولوشنال (قسمت 2)-LX-yVob3c28
09. Pooling Layers-OkkIZNs7Cyc
16. Dropout-Ty6K6YiGdBs
16. ??-r-rYz_PEWC8
19. 04 تجسم ویژگی V1 RENDER V2-xwGa7RFg1EQ
20. 05 نقشه های ویژه V1RENDER V3-oRhsJHHWtu8
21. 06 First Convolutional Layer T1 V1 RENDER V2-hIHDMWVSfsM
23. 10 تجسم فعال سازی V1 RENDER V2-CJLNTOXqt3I
28. 20 خلاصه ویژگی Viz V2 RENDER V2-r2LBoEkXskU
01. 01 CNN و درک صحنه RENDER Full V2-_iRqSOsTBQU
02. 02 بیشتر از طبقه بندی RENDER V2-vBE5KvvAYzg
03. 03 طبقه بندی و محلی سازی RENDER V3-UqNg9d6cKQU
04. 04 Bounding Boxes and Regression V1 RENDER V3-2YM82c7SaCo
06. 05 پیشنهادات منطقه V1 RENDER V2-HLwpr7h3rPY
07. 06 RCNN V1 RENDER V2-EchapZJMTYU
08. 07 سریع RCNN V1 رندر V2-6FOBZ9OgWlY
09. 08 RCNN سریعتر V1 RENDER V2-ySh_Q3KTTBY
10. 09 تشخیص بدون پیشنهاد خلاصه V1-IMnt1HFu_nc
01. 01 مقدمه V3-uyefSrHZesY
02. 02 خروجی YOLO V2-MyOuuwk0qC4
03. 03 یک رویکرد کانولوشن به ویندوز کشویی V3-8qYqqibIz90
05. 04 استفاده از یک شبکه برای بهبود محلی سازی V2-OmgR35Go79Y
06. 05 Training On A Grid V2-uhefpakvXh8
07. 06 تولید جعبه های مرزی V3-TGfPX-XcyOs
09. 07 جعبه های خیلی زیاد V2-nYDWsFdFnQ8
10. 08 تقاطع بیش از اتحادیه IOU V1-ieKEHlEjIsY
12. 09 سرکوب غیر حداکثری V1-TE6M29Jo9hk
13. انکر باکس 10 عدد V3-IzILYgVb76g
14. 11 الگوریتم YOLO V3-ZbQzCHQ8YEo
02. 01 RNN Intro V6 Final-AIQEqg6F38A
03. 02 RNN History V4 نهایی-HbxAnYUfRnc
04. 03 RNN Applications V3 Final-6JbTNARuKII
05. 04 RNN FFNN یادآوری A V7 Final-_vrp2lZjXf0
05. 05 RNN FFNN یادآوری B V6 Final-FfPjaGcZODc
06. 06 FeedForward A V7 Final-4rCfnWbx8-0
06. 07 FeedForward B V3-kTYbTVh1d0k
08. 08 تئوری پس انتشار V6 Final-Xlgd8I3TWUg
08. 13 Overfitting Intro V4 Final-rmBLnVbFfFY
09. 10 مثال پس انتشار A V3 Final-3k72z_WaeXg
09. Regra da cadeia-YAhIBonbt54
10. 12 مثال پس انتشار B V6 Final-yiSwuMP2UIA
12. 14 RNN A V4 Final-ofbnDxGSUcg
13. 16 RNN B V4 Final-wsif3p5t7CI
14. 17 RNN Unfolded V3 Final-xLIA_PTWXog
16. 18 RNN مثال V5 Final-MDLk3fhpTx0
17. 19 RNN BPTT A V6 Final-eE2L3-2wKac
18. 20 RNN BPTT B V5 Final-bUU9BEQw0IA
19. 21 RNN BPTT C V7 Final-uBy_eIJDD1M
24. خلاصه RNN-nXP0oGGRrO8
25. 23 از RNN تا LSTMs V4 Final-MsqybcWmzGY
02. RNN در مقابل LSTM-70MgF-IwAr8
03. LSTM Basics-gjb68a4XsqE
04. LSTM Architecture-ycwthhdx8ws
06. آموزش Gate-aVHVI7ovbHY
07. Gate-iWxpfxLUPSU را فراموش کنید
08. به یاد داشته باشید Gate-0qlm86HaXuU
09. LSTM 7 از Gate-5Ifolm1jTdY استفاده کنید
10. قرار دادن همه چیز در کنار هم-IF8FlKW-Zo0
13. Character-Wise RNN-m_S2hs6-j5w
14. Sequence Batching-pdSr5F-9qE0
16. سایر معماری ها-MsxFDuYlTuQ
02. Introduction-erwnzFD7AeE
03. نرخ یادگیری-HLMjeDez7ps
05. مینی بچ سایز-GrrO1NFxaW8
06. تعداد تکرارها-TTdHpSb4DV8
07. تعداد لایه های واحدهای پنهان-IkGAIQH5wH8
08. RNN Hyperparameters-yQvnv7l_aUo
01. 01 Introduction To Attention V2-NCn97L5WbCY
02. برنامه های کاربردی seq2seq-tDJBDwriJYQ
02. رمزگشای رمزگذار معماری-dkHdEAJnV_w
04. 02 Sequence To Sequence Recap V2-MRPHIPR0pGE
05. 03 توجه اجمالی رمزگذاری V2-IctAnMaVUKc
06. 04 توجه اجمالی رمزگشایی V2-DJxiPd585GY
08. 05 توجه رمزگذار V2-sphe9LDT4rA
09. 06 رسیور توجه V1-5mMz6nN9_Ss
11. 07 توجه افزایشی و ضربی V1-2eqIUDjefNg
12. 08 توجه ضربی V2-1-OwCgrx1eQ
13. 09 Additive Attention V2-93VfVWZ-IvY
15. 10 برنامه کاربردی بینایی کامپیوتر V3-bhWwc4BYTYc
16. 11 روش توجه دیگر V2-VmsR9FVpQiM
17. 12 ترانسفورماتور و توجه به خود V2-F-XN72bQiMQ
01. 01 L مقدمه V3-dobNslC2y-o
02. 02 استفاده از شبکه های عصبی V3-thClOUTiNxY
03. 03 Captions And The COCO Dataset V3-DMmJs1w1n7A
05. 04 CNNRNN مدل V3-n7kdMiX1Xz8
06. 05 چسب V5-u2ZdcUDnHm0
07. 06 توکن کردن شرحها V3-aeEFb0eSzJ8
08. Tokenization-4Ieotbeh4u8
09. 07 RNN Training V4-P-tHxD7kRmA
10. 08 عنوان ویدیویی V1-I_m9JyKTfbQ
11. 09 در پروژه V2-MsxNRaYTNSk
01. Object Tracking V4 (1)-ciEo6PyMTeM
02. محلی سازی V1 (1) -QkVyEMTUkAw
Udacity Computer Vision Nanodegree v1.0.0
در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.
اطلاع رسانی حذف دوره های قدیمی و تخفیفات نوروزی مشاهده