وب سایت تخصصی شرکت فرین
دسته بندی دوره ها

یادگیری عمیق برای دید رایانه ای با Tensorflow 2

سرفصل های دوره

اجرای تشخیص شی ، تقسیم بندی تصویر ، طبقه بندی تصویر ، تولید تصویر و شمارش افراد از ابتدا!

عنوان اصلی : Master Deep Learning for Computer Vision with TensorFlow 2

سرفصل های دوره :

مقدمه:
معرفی کلی
برنامه نویسی ضروری پایتون:
متغیرها و عملگرهای پایه
بیانیه های مشروط
حلقه ها
روش ها
اشیاء و کلاسها
بارگذاری بیش از حد اپراتور
انواع روش
ارث
کپسولاسیون
چند شکلی
دکوراتورها
ژنراتورها
بسته Numpy
معرفی Matplotlib
مقدمه ای بر یادگیری ماشینی:
وظیفه - چرخه زندگی توسعه یادگیری ماشین
داده - چرخه زندگی توسعه یادگیری ماشین
مدل - چرخه زندگی توسعه یادگیری ماشین
تحریم خطا - چرخه زندگی توسعه یادگیری ماشین
رگرسیون خطی
رگرسیون لجستیک
تمرین رگرسیون خطی
تمرین رگرسیون لجستیک
بهینه سازی
اندازه گیری عملکرد
اعتبار سنجی و آزمایش
رگرسیون سافت مکس - داده
رگرسیون سافت مکس - مدلسازی
رگرسیون Softmax - تحریم خطا
رگرسیون سافت مکس - آموزش و بهینه سازی
رگرسیون سافت مکس - اندازه گیری عملکرد
شبکه های عصبی - مدل سازی
شبکه های عصبی - تحریم خطا
شبکه های عصبی - آموزش و بهینه سازی
شبکه های عصبی - آموزش و بهینه سازی عملی
شبکه های عصبی - اندازه گیری عملکرد
شبکه های عصبی - اعتبار سنجی و آزمایش
حل Overfitting و Underfitting
در هم زدن
گروه بندی
مقدار اولیه وزن
عدم تعادل داده
کاهش نرخ یادگیری
عادی سازی
تنظیم فراپارامتر
در کلاس تمرین
مقدمه ای بر TensorFlow 2 :
نصب TensorFlow
مقدمه ای بر TensorFlow
آموزش شبکه عصبی با TensorFlow
مقدمه ای بر دید عمیق کامپیوتر با TensorFlow 2 :
TinyImagenet Dataset
آماده سازی TinyImagenet
مقدمه ای بر شبکه های عصبی کانولوشنال
تحریم خطا
آموزش، اعتبارسنجی و سنجش عملکرد
کاهش بیش از حد برازش
VGGNet
InceptionNet
ResNet
MobileNet
EfficientNet
آموزش انتقال و تنظیم دقیق
افزایش داده ها
پاسخ به تماس
پروژه ConvNet 1
ConvNet Project 2
تشخیص سرطان سینه:
مجموعه داده سرطان سینه
مدل ResNet
آموزش و سنجش عملکرد
اقدامات اصلاحی
پروژه بیماری های گیاهی
تشخیص شی با YOLO:
تشخیص شی
مجموعه داده پاسکال VOC
مدلینگ - YOLO v1
تحریم خطا
آموزش و بهینه سازی
تست
اندازه گیری عملکرد - میانگین دقت متوسط ​​(mAP)
افزایش داده ها
YOLO نسخه 3
پروژه تقسیم‌بندی نمونه
تقسیم بندی معنایی با UNET:
تقسیم بندی تصویر - مجموعه داده های حیوانات خانگی Oxford IIIT
مدل UNET
افزایش داده و حذف
وزن کلاس و کاهش شبکه
پروژه تقسیم بندی معنایی
افراد در حال شمارش:
شمارش افراد - مجموعه داده های فناوری شانگایی
آماده سازی مجموعه داده ها
CSRNET
افزایش داده ها
پروژه شمارش اشیا
مدلسازی تولید تصویر:
مقدمه ای بر مدل سازی مولد
تولید تصویر
از دست دادن GAN
آموزش و بهینه سازی GAN
Wasserstein GAN
پروژه ترجمه تصویر به تصویر

نمایش سرفصل های انگلیسی

Master Deep Learning for Computer Vision with TensorFlow 2

53,700 تومان
بیش از یک محصول به صورت دانلودی میخواهید؟ محصول را به سبد خرید اضافه کنید.
خرید دانلودی فوری

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.

ایمیل شما:
تولید کننده:
شناسه: UD24308
حجم: 11972 مگابایت
مدت زمان: 1746 دقیقه
تعداد دیسک: 3 عدد
زیرنویس انگلیسی: دارد
زبان: انگلیسی ساده و روان
تاریخ انتشار: 19 اردیبهشت 1401
یادگیری عمیق برای دید رایانه ای با Tensorflow 2
یادگیری عمیق برای دید رایانه ای با Tensorflow 2 1
یادگیری عمیق برای دید رایانه ای با Tensorflow 2 2
یادگیری عمیق برای دید رایانه ای با Tensorflow 2 3
یادگیری عمیق برای دید رایانه ای با Tensorflow 2 4
یادگیری عمیق برای دید رایانه ای با Tensorflow 2 5
یادگیری عمیق برای دید رایانه ای با Tensorflow 2 6
طراحی سایت و خدمات سئو

53,700 تومان
افزودن به سبد خرید