Course catalog

Course duration

Course provider

Topic

Categories

Showing 1-13 of 13 items.

linkedin Hand-On AI: پروژه های دید رایانه ای با Ultralytics و OpenCV (Mitalearn-421835)

  • 3 hours 34 minutes
  • مناسب همه
  • Release date: 6 May 2025
  • Author: Rizwan Munawar
درباره این دوره: 

 یک نمای کلی از الگوریتم های دید رایانه در خانواده YOLO دریافت کنید و نحوه استفاده از این الگوریتم ها را برای پرداختن به چالش های دنیای واقعی نشان دهید. این دوره شامل پیاده روی های فنی برای تکنیک های اساسی مانند طبقه بندی تصویر ، تشخیص شی ، ردیابی شی ، تقسیم نمونه ، تخمین پوز و جعبه های محدود کننده گرا (OBB) با استفاده از بسته Ultralytics Python است. مربی محمد مونوار شما را از طریق حاشیه نویسی داده ها ، مدل های آموزش و صادر کردن آنها راهنمایی می کند و نشان می دهد که چگونه روند صادرات زمان استنباط را سرعت می بخشد. علاوه بر این ، ببینید که چگونه راه حل های Ultralytics برای حل چالش های عملی بینایی رایانه متناسب است ، با نمونه های عمیق اجرای فنی ارائه شده در طول دوره

linkedin OpenCV for Python Developers (2017) (Mitalearn-119983)

  • 2 hours 35 minutes
  • متوسط
  • Release date: 22 September 2017
  • Author: Patrick W. Crawford
درباره این دوره:

OpenCV یک جعبه ابزار منبع باز برای بینایی کامپیوتر پیشرفته است. این یکی از محبوب‌ترین ابزارها برای تشخیص چهره است که در طیف گسترده‌ای از برنامه‌های امنیتی، بازاریابی و عکاسی استفاده می‌شود و بسیاری از فناوری‌های پیشرفته از جمله واقعیت افزوده و روباتیک را تقویت می‌کند. این دوره به توسعه دهندگان پایتون مقدمه ای مفصل برای OpenCV 3 ارائه می دهد که با نصب و پیکربندی محیط توسعه مک، ویندوز یا لینوکس همراه با پایتون 3 شروع می شود. در مورد داده ها و انواع تصاویر منحصر به فرد OpenCV بیاموزید و نحوه دستکاری پیکسل ها و تصاویر. سپس قدرت واقعی OpenCV می آید: تشخیص شی، چهره و ویژگی. بیاموزید که چگونه از قدرت پردازش تصویر OpenCV با استفاده از روش هایی مانند تطبیق الگو و داده های یادگیری ماشین برای شناسایی و تشخیص ویژگی ها استفاده کنید.

linkedin آموزش ضروری Pytorch: یادگیری عمیق (Mitalearn-433803)

  • 1 hours 21 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Terezija Semenski
درباره این دوره:

Pytorch انعطاف پذیرترین و بیانگر ترین کتابخانه برای یادگیری عمیق است و API ساده Python ، پشتیبانی GPU و انعطاف پذیری را ارائه می دهد. این طراحی شده است تا داده ها را بارگیری کند ، از Transforms استفاده کند و مدل های یادگیری عمیق را فقط با چند خط کد بسازد. بسیاری از توسعه دهندگان و محققان یادگیری ماشین از Pytorch برای تسریع در تحقیقات عمیق یادگیری ، آزمایش و نمونه سازی استفاده می کنند. در این دوره ، توسعه دهنده نرم افزار Terezija Semenski ویژگی های مهم Pytorch را با یک رویکرد مفید به شما می آموزد تا به شما در توسعه مهارت های مورد نیاز برای شیرجه زدن به پروژه های یادگیری عمیق خود کمک کند.

این دوره شامل چالش های کد است که توسط CoderPad تهیه شده است. چالش های کد تمرینات برنامه نویسی تعاملی با بازخورد در زمان واقعی است ، بنابراین می توانید برای پیشبرد مهارت های برنامه نویسی خود ، در کنار محتوای دوره ، تمرین کدگذاری دستی را انجام دهید.

linkedin آموزش ضروری PyTorch: یادگیری عمیق (2019) (Mitalearn-183529)

  • 56 minutes
  • متوسط
  • Release date: 3 October 2019
  • Author: Jonathan Fernandes
درباره این دوره: 

 PyTorch به سرعت در حال تبدیل شدن به یکی از محبوب ترین فریم ورک های یادگیری عمیق در سراسر جهان است، و همچنین به یک مهارت ضروری در کیت ابزار هوش مصنوعی شما تبدیل می شود. به دلیل ادغام عمیق آن با پایتون، تحسین رهبران صنعت را به دست آورده است. ادغام آن با پلتفرم های ابری برتر، از جمله Amazon SageMaker و Google Cloud Platform. و نمودارهای محاسباتی آن که می توان در پرواز تعریف کرد. در این دوره، به جاناتان فرناندز بپیوندید تا به اصول یادگیری عمیق با استفاده از PyTorch بپردازد. با شروع با یک مدل تشخیص تصویر کارآمد، او نشان می‌دهد که چگونه اجزای مختلف در پشت سر هم قرار می‌گیرند و کار می‌کنند - از تانسورها، توابع از دست دادن، و خودکار تا عیب‌یابی شبکه PyTorch.

linkedin آموزش ضروری شبکه های عصبی و شبکه های عصبی کانولوشنال (Mitalearn-140672)

  • 1 hours 19 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Jonathan Fernandes
درباره این دوره:

به شبکه‌های عصبی و شبکه‌های عصبی کانولوشنال، دو مفهوم کلیدی در حوزه یادگیری ماشین نگاهی عمیق بیندازید. در این دوره آموزشی، استاد جاناتان فرناندز مفاهیم اساسی شبکه عصبی عصبی و کانولوشنال را پوشش می دهد. جاناتان با ارائه مقدمه ای بر اجزای شبکه های عصبی، بحث در مورد توابع فعال سازی و انتشار پس زمینه شروع می کند. او سپس به شبکه‌های عصبی کانولوشنال نگاه می‌کند و توضیح می‌دهد که چرا آن‌ها به ویژه در وظایف تشخیص تصویر خوب هستند. او همچنین نحوه ساخت یک مدل شبکه عصبی با استفاده از Keras را بررسی می کند. به علاوه، در مورد VGG16، تاریخچه چالش ImageNet و موارد دیگر بیاموزید.

linkedin ساخت و استقرار برنامه های یادگیری عمیق با TensorFlow (Mitalearn-120204)

  • 1 hours 46 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Adam Geitgey
درباره این دوره:

TensorFlow یکی از محبوب ترین چارچوب های یادگیری عمیق موجود است. این برای همه چیز استفاده می شود، از تحقیقات پیشرفته یادگیری ماشین گرفته تا ایجاد ویژگی های جدید برای داغ ترین استارت آپ ها در Silicon Valley. در این دوره آموزشی، نحوه نصب TensorFlow را یاد بگیرید و از آن برای ساخت یک مدل یادگیری عمیق ساده استفاده کنید. بعد از اینکه مربی Adam Geitgey نشان داد که چگونه TensorFlow را راه اندازی و اجرا کنید، نحوه ایجاد و آموزش یک مدل یادگیری ماشینی و همچنین نحوه استفاده از ابزارهای تجسم برای تجزیه و تحلیل و بهبود مدل خود را نشان می دهد. در نهایت، او نحوه استقرار مدل ها را به صورت محلی یا در فضای ابری توضیح می دهد. وقتی این دوره را به پایان می رسانید، آماده شروع ساخت و استقرار مدل های خود با TensorFlow خواهید بود.

linkedin کارگاه هوش مصنوعی: دستی با GAN ها با استفاده از شبکه های عصبی متراکم (Mitalearn-411057)

  • 1 hours 31 minutes
  • مناسب همه
  • Release date: 23 September 2025
  • Author: Janani Ravi
درباره این دوره: 

 اگر به دنبال تمرین AI دستی هستید ، این دوره برنامه نویسی به سبک کارگاه برای شما طراحی شده است. به مربی Janani Ravi بپیوندید زیرا او به شما نشان می دهد که چگونه می توانید شبکه های مخالف تولیدی (GANS) را بسازید و آموزش دهید. اجزای اصلی GAN ها را کشف کنید ، از جمله نحوه تنظیم محیط مجازی ، اجرای سرور نوت بوک ، فوری مجموعه داده Pytorch ، Dataloader و موارد دیگر. Janani اصول آموزش مستقل مخالفان ، آموزش GAN ها و تجسم نتایج را در بر می گیرد. Janani همچنین در مورد چگونگی رسیدگی به مشکلات مشترک مرتبط با GAN ها و کاهش مؤثر آنها در طول فرآیند آموزش بحث می کند.

linkedin کارگاه هوش مصنوعی: دستی با GAN ها با استفاده از شبکه های عمیق Convolution (Mitalearn-411040)

  • 1 hours 46 minutes
  • مناسب همه
  • Release date: 29 August 2025
  • Author: Janani Ravi
درباره این دوره: 

 اگر به دنبال تمرین AI دستی هستید ، این دوره برنامه نویسی به سبک کارگاه برای شما طراحی شده است. به مربی Janani Ravi بپیوندید زیرا او به شما نشان می دهد که چگونه می توانید شبکه های ژنرال تولیدی عمیق (GANS) را بسازید و آموزش دهید. اجزای اصلی لایه های حلقوی و جمع آوری ، از جمله تنظیم نوت بوک های میزبان Google Colab ، تبدیل تصاویر چند کاناله به تنش ، استفاده از لایه ها و مشاهده جلوه های فیلتر را کاوش کنید. Janani اصول اولیه آموزش یک تبعیض آمیز را به عنوان یک مدل طبقه بندی و آموزش یک GAN حلقوی عمیق مانند یک حرفه ای ، از تنظیم داده ها برای آموزش GAN ، تنظیم ژنراتور و تبعیض آمیز ، و خروجی از یک ژنراتور و تبعیض آمیز برای ایجاد یک حلقه آموزشی ، مشاهده و ارزیابی نتایج و موارد دیگر پوشش می دهد.

linkedin کارگاه هوش مصنوعی: ساخت یک شبکه عصبی با PyTorch Lightning (2023) (Mitalearn-442575)

  • 1 hours 30 minutes
  • مناسب همه
  • Release date: 8 December 2023
  • Author: Janani Ravi
درباره این دوره: 

 

اگر به دنبال تمرین عملی هوش مصنوعی هستید، این دوره کدنویسی به سبک کارگاهی برای شما طراحی شده است. به مربی Janani Ravi بپیوندید تا به شما نحوه ایجاد یک شبکه عصبی با PyTorch Lightning را نشان دهد، کتابخانه منبع باز پایتون که یک رابط برای چارچوب یادگیری عمیق محبوب PyTorch ارائه می دهد. اجزای اصلی ساخت یک شبکه عصبی با PyTorch، از جمله راه اندازی محیط مجازی، بارگیری و کاوش داده ها، پیش پردازش داده ها برای آموزش، ایجاد و آموزش یک شبکه عصبی ساده، راه اندازی Dataset و DataLoader، تجسم تلفات و موارد دیگر را کاوش کنید. در طول مسیر، جانانی اصول استفاده از ماژول ها در PyTorch Lightning را برای ساخت، آموزش و ارزیابی هر دو مدل رگرسیون و طبقه بندی پوشش می دهد.

این دوره توسط Loonycorn ایجاد شده است. ما خوشحالیم که این محتوا را در کتابخانه خود میزبانی می کنیم.


linkedin مبانی یادگیری عمیق: پردازش زبان طبیعی با TensorFlow (Mitalearn-220572)

  • 1 hours 47 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Harshit Tyagi
درباره این دوره:

تقاضای فزاینده ای برای استفاده از قدرت پردازش زبان طبیعی (NLP) و مدل های یادگیری عمیق وجود دارد تا بتوانیم داده های متنی را درک کنیم و مداخلات عاطفی انسان ها را برای تصمیم گیری بهتر کاهش دهیم. در این دوره، مدرس Harshit Tyagi یک راهنمای کامل برای درک NLP با استفاده از شبکه های عصبی بازگشتی (RNN) ارائه می دهد. Harshit با معرفی رمزگذاری کلمات و استفاده از TensorFlow برای توکن‌سازی شروع می‌کند. او مفهوم مهم جاسازی کلمات را توصیف می کند و به شما نشان می دهد که چگونه از TensorFlow برای طبقه بندی نقدهای فیلم و بردار پروژه استفاده کنید. Harshit RNN ها و حافظه کوتاه مدت بلند مدت (LSTM) را مورد بحث قرار می دهد، سپس به شما نشان می دهد که چگونه طبقه بندی بررسی فیلم را از قبل در دوره بهبود دهید. او با بحث در مورد اینکه چگونه می توانید RNN ها را برای پیش بینی کلمه بعدی در یک جمله آموزش دهید، به پایان می رسد، که به نوبه خود به شما امکان می دهد متن اصلی را ایجاد کنید.

linkedin مقدمه ای بر یادگیری عمیق با OpenCV (Mitalearn-185263)

  • 49 minutes
  • مبتدی
  • Release date: 21 June 2026
  • Author: Jonathan Fernandes
درباره این دوره:

یادگیری عمیق شاخه ای نسبتاً جدید و بسیار محبوب از هوش مصنوعی (AI) است که الگوها و بینش ها را در داده ها، از جمله تصاویر و ویدیوها، پیدا می کند. لایه بندی و انتزاع آن به مدل های یادگیری عمیق توانایی هایی تقریباً شبیه انسان می دهد - از جمله تشخیص تصویر پیشرفته. با استفاده از OpenCV - یک نرم‌افزار بینایی کامپیوتری که به طور گسترده مورد استفاده قرار گرفته است - می‌توانید مدل‌های یادگیری عمیق آموزش‌دیده قبلی را روی سخت‌افزار ارزان‌قیمت اجرا کنید و بینش‌های قدرتمندی را از تصاویر دیجیتال و ویدیو ایجاد کنید. در این دوره آموزشی، استاد جاناتان فرناندز با استفاده از ماژول OpenCV شبکه های عصبی عمیق (dnn) شما را با دنیای یادگیری عمیق از طریق استنتاج آشنا می کند. می توانید یک نمای کلی از مفاهیم و معماری یادگیری عمیق داشته باشید و سپس نحوه مشاهده و بارگذاری تصاویر و ویدیوها را با استفاده از OpenCV و Python کشف کنید. جاناتان همچنین نشان می‌دهد که چگونه می‌توان برای تصاویر و ویدیوها طبقه‌بندی کرد، از حباب‌ها (معادل تانسورها در سایر چارچوب‌ها) استفاده کرد و از YOLOv3 برای تشخیص شی سفارشی استفاده کرد.

linkedin هوش مصنوعی پیشرفته: ترانسفورماتورهای بینایی کامپیوتری (Mitalearn-388940)

  • 55 minutes
  • مناسب همه
  • Release date: 3 March 2023
  • Author: Jonathan Fernandes
درباره این دوره: 

 

ترانسفورماتورها به سرعت در حال تبدیل شدن به معماری مورد استفاده برای بسیاری از وظایف بینایی رایانه هستند. اگر در این زمینه کار می کنید، این یک مهارت ضروری است که در جعبه ابزار هوش مصنوعی خود در دست داشته باشید. در این دوره، جاناتان فرناندز مشاور هوش مصنوعی شما را در دنیای یادگیری انتقال و معماری مدل ترانسفورماتور راهنمایی می‌کند.

مبانی بینایی کامپیوتر، مجموعه داده‌های تصویر، پیش پردازش، و تنظیم دقیق تصویر را کاوش کنید. با مثال‌های عملی و نمایش‌های ساده با استفاده از Google Colab و کتابخانه Hugging Face. نکات و استراتژی‌های عملی را برای آموزش و آزمایش مدل کشف کنید و مجموعه مهارت‌های خود را با ابزارهای مدل‌سازی استنتاج محبوب Gradio و Hugging Face Spaces ایجاد کنید. در پایان این دوره، شما برای طراحی و آموزش مدل‌های زبانی بزرگ‌تر، پیشرفته‌تر و پیچیده‌تر آماده خواهید شد.


linkedin یادگیری عمیق با TensorFlow: بینش و نوآوری (Mitalearn-443595)

  • 3 hours 6 minutes
  • مناسب همه
  • Release date: 9 October 2024
  • Author: Isil Berkun
درباره این دوره: 

 

از آنجایی که چشم انداز هوش مصنوعی به طور مداوم در حال تکامل است، درک جنبه های اساسی و در حال ظهور یادگیری عمیق برای حرفه ای هایی که به دنبال پیشرفت در زمینه های مرتبط با فناوری هستند بسیار مهم می شود. این دوره با ارائه بینش های به روز در مورد چگونگی استفاده از قدرت برنامه های کاربردی TensorFlow به پر کردن این شکاف کمک می کند. جدیدترین ویژگی‌ها و بهترین شیوه‌های TensorFlow را با برنامه‌های کاربردی و نمونه‌های واقعی کشف کنید. در طول مسیر، مربی Isil Berkun شما را با مفاهیم مولد هوش مصنوعی آشنا می کند تا الهام بخش کاوش و یادگیری بیشتر باشد. در پایان این دوره، شما در پیاده‌سازی مدل‌های یادگیری عمیق با TensorFlow مهارت خواهید داشت.

این دوره با GitHub Codespaces، یک محیط توسعه‌دهنده ابر فوری که تمام قابلیت‌های IDE مورد علاقه شما را بدون نیاز به هیچ گونه تنظیمات ماشین محلی ارائه می‌کند، یکپارچه شده است. با استفاده از GitHub Codespaces، می‌توانید در هر زمان و در هر زمانی از ابزاری استفاده کنید که احتمالاً در محل کار با آن مواجه خواهید شد. برای یادگیری نحوه شروع، فصل "غواصی در فضاهای کد" را بررسی کنید.


Suggestions