Course catalog

Course duration

Course provider

Topic

Categories

Showing 1-20 of 26 items.

linkedin Azure AI Fundamentals (AI-900) Cert Prep: 3 بار کاری Computer Vision در Azure (Mitalearn-249353)

  • 1 hours 11 minutes
  • مناسب همه
  • Release date: 4 May 2022
  • Author: Emilio Melo
درباره این دوره: 

 بینایی کامپیوتری رایانه‌ها و سیستم‌ها را قادر می‌سازد تا اطلاعات را از تصاویر دیجیتال، ویدئوها و سایر ورودی‌های بصری استخراج کنند و بر اساس آن اطلاعات اقداماتی انجام دهند یا توصیه‌هایی ارائه دهند. در این دوره، مربی امیلیو ملو، اصول بینایی کامپیوتر را برای مبتدیان تا هوش مصنوعی که در Azure پیاده سازی شده است، پوشش می دهد. Emilio بر درک مفاهیم اساسی تمرکز می کند و دموهای سبک را در طول مسیر ارائه می دهد. این دوره همچنین برای افرادی که برای آزمون اصول هوش مصنوعی Azure (AI-900) آماده می شوند مفید است و نگاهی به آزمون ساختار و آنچه می توانید از آن انتظار دارید با تمرکز بر حوزه بینایی کامپیوتر می اندازد.

linkedin Hand-on AI: پردازش تصویر با پایتون (Mitalearn-421852)

  • 2 hours 10 minutes
  • مناسب همه
  • Release date: 16 June 2025
  • Author: Eduardo Corpeño
درباره این دوره: 

 در این دوره ، Eduardo Corpeño - یک مهندس برق ، برنامه نویس رایانه و معلم - با استفاده از پایتون ، یک پایه محکم در پردازش تصویر می سازید. با ایجاد و دستکاری تصاویر شطرنجی در وضوح و قالب های مختلف شروع کنید. بیاموزید که فیلترهای مختلف را بمالید و با فیلترهای Sobel برای استخراج ویژگی های تصویر معنی دار در تشخیص لبه استفاده کنید. تحولات تصویر مستر مانند تغییر اندازه ، و تکنیک های حذف شی و حکاکی درز را برای دوخت موثر تصویر درک کنید. بیاموزید که چگونه می توانید جزئیات تصویر را با استفاده از تحولات مورفولوژیکی مانند فرسایش ، اتساع ، باز و بسته شدن اصلاح کنید. به علاوه ، چالش های عملی کامل مانند از بین بردن نویز ، تنظیم وضوح و افزایش کیفیت تصویر. این که آیا شما به دنبال ارتقاء یک پروژه هستید یا در حرفه جدید AI شروع به کار می کنید ، این دوره شما را به دانش و تکنیک های عملی مجهز می کند تا تصاویر را به طور کارآمد انجام دهید.

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

coursera آمادگی آزمون AI-102: معاون مهندس هوش مصنوعی Microsoft Azure (Mitalearn-322283)

  • 11 hours 10 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Whizlabs Instructor
درباره این دوره:

AI-102: طراحی و اجرای آزمون گواهینامه Microsoft Azure AI Solution، تجربه و دانش داوطلب را از راه‌حل‌های هوش مصنوعی آزمایش می‌کند که از خدمات شناختی Azure و خدمات Azure بیشترین استفاده را می‌کند. علاوه بر این، این آزمون همچنین توانایی داوطلب را برای پیاده‌سازی این دانش با شرکت در تمام مراحل توسعه راه‌حل‌های هوش مصنوعی - از تعریف الزامات، و طراحی گرفته تا توسعه، استقرار، یکپارچه‌سازی، نگهداری، تنظیم عملکرد و نظارت، آزمایش می‌کند. در این آزمون طراحی و پیاده‌سازی راه حل هوش مصنوعی Microsoft Azure: AI-102 شرکت کنید و بخشی از دنیای آینده‌نگر هوش مصنوعی شوید و با کسب گواهینامه Azure AI-102 شغل خود را رشد دهید. مهندسان هوش مصنوعی Azure تجربه توسعه راه‌حل‌هایی را دارند که از زبان‌هایی مانند پایتون یا سی شارپ استفاده می‌کنند و باید بتوانند از APIهای مبتنی بر REST و کیت‌های توسعه نرم‌افزار (SDK) برای ایجاد پردازش امن تصویر، پردازش ویدیو، پردازش زبان طبیعی (NLP)، استخراج دانش و راه‌حل‌های هوش مصنوعی مکالمه در Azure استفاده کنند. آنها باید با تمام روش های پیاده سازی راه حل های هوش مصنوعی آشنا باشند. بعلاوه، آنها اجزای تشکیل دهنده مجموعه هوش مصنوعی Azure و گزینه های ذخیره داده موجود را درک می کنند. مهندسان هوش مصنوعی Azure همچنین باید اصول هوش مصنوعی مسئولانه را درک کرده و قادر به اعمال آن باشند. این دوره شامل بیش از 5 ساعت فیلم آموزشی است. فراگیران می توانند در مجموع بیش از 90 سخنرانی را در دوره آموزشی با پوشش جامع همه موضوعات مربوط به آزمون AI-102 بیابند: طراحی و پیاده سازی راه حل هوش مصنوعی Microsoft Azure. این سخنرانی ها به 5 ماژول تقسیم می شوند و هر ماژول بیشتر به دروس تقسیم می شود. کل دوره شامل ارزیابی هایی برای اعتبارسنجی بررسی های دانش فراگیران است. همچنین، مجموعه ای از سوالات درجه بندی شده در پایان هر ماژول موجود است. ماژول 1: راه حل های هوش مصنوعی Azure: برنامه ریزی و مدیریت ماژول 2: راه حل های پردازش تصویر و ویدئو ماژول 3: راه حل های پردازش زبان طبیعی (NLP). ماژول 4: راه حل های دانش معدن ماژول 5: راه حل های هوش مصنوعی محاوره ای در دوره آمادگی آزمون AI-102: Microsoft Azure AI Engineer Course ثبت نام کنید و مهارت های Azure AI Solution Workload خود را با Microsoft Azure ارتقا دهید. این دوره آموزشی به شما کمک می کند تا مهارت ها و دانش خود را در AI-102 توسعه دهید. می توانید با گواهینامه های اساسی مانند آزمون AI-900 شروع کنید. هنگامی که بر تمام مراحل توسعه راه حل های هوش مصنوعی فرمان به دست آوردید، آماده هستید تا برای آزمون AI-102 آماده شوید. این دوره آموزشی AI-102 عمدتاً برای کسانی است که به فرصت هایی در نقش های شغلی مختلف مانند توسعه دهندگان ابر، مهندسان ابر، معماران راه حل ها و معماران ابری نیاز دارند. با پایان این دوره، شما قادر خواهید بود در آزمون AI-102 در اولین تلاش موفق شوید و در طراحی و پیاده سازی راه حل هوش مصنوعی Microsoft Azure مسلط شوید.

coursera ادراک بصری (Mitalearn-303379)

  • مبتدی
  • Release date: 27 June 2026
  • Author: Shree Nayar
درباره این دوره:

هدف نهایی یک سیستم بینایی کامپیوتری ایجاد یک توصیف نمادین دقیق از هر تصویر نشان داده شده است. این دوره بر روی مشکل بسیار مهم ادراک تمرکز می کند. ابتدا مشکل ردیابی اجسام در صحنه های پیچیده را شرح می دهیم. ما به دو چالش کلیدی در این زمینه نگاه می کنیم. اولین مورد، جداسازی یک تصویر به شی و پس زمینه با استفاده از تکنیکی به نام تشخیص تغییر است. دومی ردیابی یک یا چند شی در یک ویدیو است. در مرحله بعد، مشکل تقسیم یک تصویر را به مناطق معنی دار بررسی می کنیم. به طور خاص، ما یک رویکرد از پایین به بالا را در نظر می گیریم که در آن پیکسل هایی با ویژگی های مشابه با هم گروه بندی می شوند تا یک منطقه به دست آید. در نهایت، ما به مشکل تشخیص شیء می پردازیم. ما دو رویکرد را برای حل مشکل توضیح می دهیم. اولین ها مستقیماً یک شی و وضعیت آن را با استفاده از ظاهر جسم تشخیص می دهند. این روش مبتنی بر مفهوم کاهش ابعاد است که با استفاده از تحلیل مؤلفه های اصلی به دست می آید. رویکرد دوم استفاده از یک شبکه عصبی برای حل مشکل شناسایی به عنوان یکی از یادگیری نقشه برداری از ورودی (تصویر) به خروجی (کلاس شی، هویت شی، فعالیت و غیره) است. ما نحوه ساخت یک شبکه عصبی و نحوه آموزش آن را با استفاده از الگوریتم پس انتشار توضیح می دهیم.

linkedin اصول یادگیری عمیق برای مراقبت های بهداشتی (Mitalearn-441878)

  • 2 hours 26 minutes
  • مناسب همه
  • Release date: 16 April 2025
  • Author: Wuraola Oyewusi
درباره این دوره: 

 دنیای هیجان انگیز کاربردهای یادگیری عمیق در مراقبت های بهداشتی را از طریق این دوره عمیق کاوش کنید. بیاموزید که چگونه ناهنجاری‌ها را در تصاویر اشعه ایکس از طریق شبکه‌های عصبی کانولوشنال (CNN)، تنظیم دقیق مدل‌های از پیش آموزش‌دیده، و استفاده از یادگیری شات صفر، طبقه‌بندی و تشخیص دهید. اصول یادگیری عمیق، از جمله شبکه های عصبی، آموزش مدل، و تنظیم فراپارامتر که به طور خاص برای مراقبت های بهداشتی طراحی شده است را درک کنید. در فعالیت‌های عملی شرکت کنید که در آن داده‌ها را از قبل پردازش می‌کنید، مدل‌هایی را با پایتون می‌سازید، و از چارچوب‌هایی مانند TensorFlow و PyTorch استفاده می‌کنید. توسعه مهارت های عملی در تشخیص و تقسیم بندی اشیا برای تشخیص و تشخیص موثر شرایط پزشکی. در مورد ملاحظات اخلاقی و محدودیت های داده مربوط به استفاده از هوش مصنوعی در زمینه پزشکی بینش به دست آورید. در پایان این دوره، شما مجهز به استفاده از تکنیک های یادگیری عمیق در چالش های مراقبت های بهداشتی در دنیای واقعی، بهبود دقت تشخیصی و نتایج بیمار خواهید شد.

coursera برنامه های یادگیری عمیق برای بینایی کامپیوتر (Mitalearn-331378)

  • 7 hours 31 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Ioana Fleming
درباره این دوره:

در این دوره آموزشی، با کامپیوتر ویژن به عنوان یک زمینه مطالعه و تحقیق آشنا خواهید شد. ابتدا چندین کار Computer Vision و رویکردهای پیشنهادی را از دیدگاه کلاسیک Computer Vision بررسی خواهیم کرد. سپس روش‌های یادگیری عمیق را معرفی می‌کنیم و آنها را برای برخی از مشکلات مشابه به کار می‌بریم. ما نتایج را تجزیه و تحلیل خواهیم کرد و مزایا و معایب هر دو نوع روش را مورد بحث قرار خواهیم داد. ما از آموزش‌هایی استفاده می‌کنیم تا به شما اجازه دهیم برخی از ابزارهای مدرن یادگیری ماشین و کتابخانه‌های نرم‌افزار را به‌طور عملی کشف کنید. نمونه‌هایی از وظایف بینایی کامپیوتری که در آن‌ها می‌توان از یادگیری عمیق استفاده کرد، عبارتند از: طبقه‌بندی تصویر، طبقه‌بندی تصویر با محلی‌سازی، تشخیص اشیا، تقسیم‌بندی شی، تشخیص چهره، و تخمین فعالیت یا حالت. این دوره را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد CU Boulder در علوم داده یا کارشناسی ارشد در علوم کامپیوتر ارائه شده در پلت فرم Coursera گذراند. این مدارک تحصیلات تکمیلی کاملاً معتبر دوره های هدفمند، جلسات کوتاه 8 هفته ای و شهریه پرداختی را ارائه می دهند. پذیرش بر اساس عملکرد در سه دوره مقدماتی است، نه سابقه تحصیلی. مدارک CU در Coursera برای فارغ التحصیلان اخیر یا متخصصان شاغل ایده آل است. بیشتر بدانید: کارشناسی ارشد در علم داده: https://www.coursera.org/degrees/master-of-science-data-science-boulder کارشناسی ارشد در علوم کامپیوتر: https://coursera.org/degrees/ms-computer-science-boulder

coursera پروژه پایتون: مهندسی نرم افزار و دستکاری تصویر (Mitalearn-310230)

  • 2 hours 32 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Christopher Brooks
درباره این دوره:

این دوره شما را از طریق یک پروژه عملی مناسب برای نمونه کارها راهنمایی می کند. شما با API های شخص ثالث آشنا می شوید و نحوه دستکاری تصاویر با استفاده از کتابخانه تصویربرداری پایتون (بالش)، نحوه اعمال تشخیص نویسه نوری روی تصاویر برای تشخیص متن (tesseract و pytesseract) به شما نشان داده می شود. در پایان دوره شما با این کتابخانه های مختلف موجود برای پایتون 3 کار کرده اید تا یک پروژه در دنیای واقعی ایجاد کنید. این دوره برای زبان آموزانی مناسب است که چهار دوره اول تخصص برنامه نویسی پایتون 3 را گذرانده اند. زبان آموزانی که قبلاً مهارت های برنامه نویسی پایتون دارند اما می خواهند با یک پروژه عملی و واقعی تمرین کنند نیز می توانند از این دوره بهره مند شوند. این پنجمین و آخرین دوره در تخصص برنامه نویسی پایتون 3 است.

coursera توزیع متوسط ​​اینتل از OpenVINO™ برای کاربردهای یادگیری عمیق (Mitalearn-313647)

  • 1 hours 21 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Vu Q Nguyen
درباره این دوره:

این دوره برای توسعه دهندگان برنامه طراحی شده است که می خواهند بارهای کاری استنتاج بینایی کامپیوتر را با استفاده از کیت ابزار OpenVINOTM Intel® Distribution توسعه دهند. این دوره به مدل‌های شبکه عصبی بینایی کامپیوتر از انواع چارچوب‌های یادگیری ماشینی معروف می‌پردازد و نوشتن یک برنامه کاربردی قابل حمل را پوشش می‌دهد که قادر به استقرار استنتاج بر روی طیف وسیعی از دستگاه‌های محاسباتی است. این دوره برای توسعه دهندگان برنامه هدف گذاری شده است و بر روی مثال ها و بحث در مورد گردش کار توسعه تمرکز می کند. به این ترتیب، بحث‌ها نه تنها شامل جزئیات نحوه استفاده از خود جعبه ابزار می‌شود، بلکه موضوعاتی مانند نحوه گرفتن معیار برای مقایسه دستگاه‌های محاسباتی یا کارهایی که باید در هنگام مواجهه با مشکلات انجام دهید را شامل می‌شود. این دوره به گونه ای ساخته شده است که به عنوان راهنمای چگونگی توسعه استقرار استنتاج بینایی کامپیوتر با جعبه ابزار عمل می کند. در پایان دوره، دانش‌آموزان مهارت لازم برای استقرار برنامه بینایی کامپیوتر خود را با استفاده از جعبه ابزار خواهند داشت.

coursera رباتیک: ادراک (Mitalearn-353223)

  • 9 hours 55 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Kostas Daniilidis,Jianbo Shi
درباره این دوره:

چگونه ربات ها می توانند جهان و حرکات خود را درک کنند تا بتوانند وظایف ناوبری و دستکاری را انجام دهند؟ در این ماژول، ما مطالعه خواهیم کرد که چگونه تصاویر و ویدیوهای به دست آمده توسط دوربین های نصب شده روی روبات ها به نمایش هایی مانند ویژگی ها و جریان نوری تبدیل می شوند. چنین نمایش‌های دوبعدی به ما اجازه می‌دهند تا اطلاعات سه‌بعدی درباره مکان دوربین و حرکت ربات در کدام جهت استخراج کنیم. متوجه خواهید شد که چگونه گرفتن اشیاء با محاسبه ژست سه بعدی اشیا تسهیل می شود و ناوبری را می توان با کیلومتر سنجی بصری و مکان یابی مبتنی بر نقطه عطف انجام داد.

coursera ردیابی اشیا و تشخیص حرکت با دید کامپیوتری (Mitalearn-353138)

  • 1 hours 6 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Amanda Wang,Matt Rich,Brandon Armstrong
درباره این دوره:

در سومین و آخرین دوره تخصصی Computer Vision for Engineering and Science ردیابی اجسام و تشخیص حرکت در فیلم ها را خواهید آموخت. ردیابی اجسام و تشخیص حرکت کارهای دشواری هستند، اما برای کاربردهای متنوعی مانند میکروبیولوژی و سیستم‌های مستقل مورد نیاز هستند. برای ردیابی اشیا، ابتدا باید آنها را شناسایی کنید. شما از شبکه های عصبی عمیق از قبل آموزش دیده برای انجام تشخیص اشیا استفاده خواهید کرد. همچنین از جریان نوری برای تشخیص حرکت و استفاده از نتایج برای تشخیص اجسام متحرک استفاده خواهید کرد. در پایان این دوره، تمام مهارت های آموخته شده در این تخصص را در یک پروژه نهایی به کار خواهید برد. شما نقش یک مهندس را خواهید داشت که از او خواسته می شود اتومبیل ها را در یک بزرگراه شلوغ ردیابی کند و این چالش اضافه شده برای شمارش هر وسیله نقلیه و جهت آن است. شما در طول این دوره از MATLAB استفاده خواهید کرد. متلب برای میلیون ها نفر از افرادی که در رشته های مهندسی و علوم کار می کنند انتخابی است و قابلیت هایی را که برای انجام وظایف بینایی کامپیوتر شما نیاز دارید را فراهم می کند. در طول دوره برای تکمیل کار، دسترسی رایگان به متلب در اختیار شما قرار خواهد گرفت. برای موفقیت در این تخصص، داشتن تجربه قبلی در پردازش تصویر کمک خواهد کرد. اگر با داده های تصویری تازه کار هستید، توصیه می شود ابتدا تخصص پردازش تصویر برای مهندسی و علوم را تکمیل کنید.

coursera کامپیوتر ویژن در Microsoft Azure (Mitalearn-320192)

  • 46 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Microsoft
درباره این دوره:

در Microsoft Azure، سرویس شناختی Computer Vision از مدل های از پیش آموزش دیده برای تجزیه و تحلیل تصاویر استفاده می کند و به توسعه دهندگان نرم افزار این امکان را می دهد تا به راحتی برنامه هایی را بسازند که جهان را «دیدن» و درک کنند. این توانایی برای پردازش تصاویر، کلید ایجاد نرم افزاری است که می تواند ادراک بصری انسان را تقلید کند. در این دوره آموزشی، برخی از این قابلیت ها را در حین یادگیری نحوه استفاده از سرویس Computer Vision برای تجزیه و تحلیل تصاویر، بررسی خواهید کرد. این دوره به شما کمک می کند تا برای آزمون AI-900: Microsoft Azure AI Fundamentals آماده شوید. این سومین دوره از یک برنامه پنج دوره ای است که شما را برای شرکت در آزمون گواهینامه AI-900 آماده می کند. این دوره به شما مفاهیم و مهارت های اصلی را می آموزد که در حوزه های امتحانی اصول هوش مصنوعی ارزیابی می شوند. این دوره مبتدی برای پرسنل فناوری اطلاعات که تازه شروع به کار با Microsoft Azure کرده‌اند و می‌خواهند در مورد پیشنهادات Microsoft Azure بیاموزند و تجربه عملی با محصول را کسب کنند مناسب است. Microsoft Azure AI Fundamentals می تواند برای آماده شدن برای سایر گواهینامه های مبتنی بر نقش Azure مانند Microsoft Azure Data Scientist Associate یا Microsoft Azure AI Engineer Associate استفاده شود، اما پیش نیاز هیچ یک از آنها نیست. این دوره برای داوطلبان با سوابق فنی و غیر فنی در نظر گرفته شده است. علم داده و تجربه مهندسی نرم افزار مورد نیاز نیست. با این حال، برخی از دانش یا تجربه برنامه نویسی عمومی مفید خواهد بود. برای موفقیت در این دوره، باید سواد کامپیوتری اولیه و تسلط به زبان انگلیسی را داشته باشید. شما باید با مفاهیم اولیه محاسبات و اصطلاحات، مفاهیم کلی فناوری، از جمله مفاهیم یادگیری ماشین و هوش مصنوعی آشنا باشید.

linkedin کامپیوتر ویژن در Raspberry Pi 4 (Mitalearn-231418)

  • 1 hours 43 minutes
  • مناسب همه
  • Release date: 22 June 2026
  • Author: Matt Scarpino
درباره این دوره:

برنامه های کاربردی بیشتر و بیشتری از بینایی کامپیوتر برای شناسایی و تشخیص اشیا استفاده می کنند. این برنامه‌ها معمولاً روی رایانه‌های بزرگ اجرا می‌شوند، اما توسعه‌دهندگان می‌توانند با اجرای آن‌ها بر روی رایانه‌های تک‌برد (SBC) در هزینه و انرژی صرفه‌جویی کنند. Raspberry Pi 4 یکی از محبوب ترین SBC های موجود است. همچنین این اولین کامپیوتر از خانواده Raspberry Pi است که به اندازه کافی قدرتمند برای اجرای برنامه های بینایی کامپیوتری است. همچنین نرم افزار مورد نیاز برای ساخت این اپلیکیشن ها به صورت رایگان از اینترنت قابل دانلود است. در این دوره، مدرس Matt Scarpino به برنامه نویسان نحوه نوشتن و اجرای برنامه های بینایی کامپیوتری را در Raspberry Pi 4 نشان می دهد. مت شما را با استفاده از Thonny IDE، کتابخانه OpenCV و عملیات آرایه NumPy آشنا می کند. او از طریق تشخیص اشیا و شبکه‌های عصبی گام برمی‌دارد، سپس شبکه‌های عصبی کانولوشنال (CNN)، از جمله بسته Keras و بسته TensorFlow را بررسی می‌کند. مت همچنین شما را در مورد کارهایی که می توانید با دوربین Raspberry Pi HQ انجام دهید راهنمایی می کند.

coursera مبانی بینایی کامپیوتر (Mitalearn-311012)

  • 1 hours 56 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Radhakrishna Dasari,Junsong Yuan
درباره این دوره:

در پایان این دوره، فراگیران با یادگیری مفاهیم اصلی این رشته و آشنایی با قابلیت‌های بینایی انسان، متوجه خواهند شد که بینایی کامپیوتر چیست، و همچنین ماموریت آن یعنی وادار کردن رایانه‌ها به دیدن و تفسیر جهان مانند انسان‌ها را درک خواهند کرد. آنها برای شناسایی برخی از حوزه های کاربردی کلیدی بینایی کامپیوتر و درک فرآیند تصویربرداری دیجیتال مجهز هستند. این دوره عناصر مهمی را پوشش می دهد که بینایی کامپیوتر را قادر می سازد: پردازش سیگنال دیجیتال، علوم اعصاب و هوش مصنوعی. موضوعات شامل رنگ، نور و شکل گیری تصویر است. بینایی اولیه، متوسط ​​و سطح بالا؛ و ریاضیات برای بینایی کامپیوتر ضروری است. زبان آموزان قادر خواهند بود از تکنیک های ریاضی برای تکمیل وظایف بینایی کامپیوتر استفاده کنند. این دوره برای هر کسی که کنجکاو یا علاقه مند به کشف مفاهیم بینایی کامپیوتر است ایده آل است. همچنین برای کسانی که مایل به یک دوره تکمیلی در مفاهیم ریاضی بینایی کامپیوتر هستند مفید است. زبان آموزان باید مهارت ها و تجربه های اولیه برنامه نویسی (درک حلقه های for، عبارات if/else) را داشته باشند، به ویژه در MATLAB (Mathworks اصول اولیه را در اینجا ارائه می دهد: https://www.mathworks.com/learn/tutorials/matlab-onramp.html) . فراگیران همچنین باید با موارد زیر آشنا باشند: جبر خطی پایه (عملیات برداری ماتریس و نمادگذاری)، سیستم های مختصات سه بعدی و تبدیل ها، حساب پایه (مشتقات و ادغام) و احتمال اولیه (متغیرهای تصادفی). مواد شامل سخنرانی‌های آنلاین، ویدئوها، دموها، تمرین‌های عملی، کار پروژه، خواندن و بحث است. زبان آموزان تجربه نوشتن برنامه های بینایی کامپیوتری را از طریق آزمایشگاه های آنلاین با استفاده از MATLAB* و جعبه ابزارهای پشتیبانی به دست می آورند. * مجوز رایگان برای نصب متلب در طول دوره از سایت MathWorks در دسترس است.

linkedin مقدمه ای بر AWS DeepLens (Mitalearn-190941)

  • 33 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Jonathan Fernandes
درباره این دوره:

AWS DeepLens اولین دوربین فیلمبرداری با قابلیت یادگیری عمیق در جهان برای توسعه دهندگان است. در این دوره عملی، مربی جاناتان فرناندز به شما کمک می کند تا با این ابزار جدید هیجان انگیز شروع کنید. جاناتان این دوره را با آشنایی شما با نحوه عملکرد DeepLens، نحوه تنظیم آن و نحوه عیب یابی مشکلات رایج آغاز می کند. سپس، او شما را از طریق انواع پروژه های موجود با DeepLens، از جمله پروژه هایی که با تشخیص اشیا سروکار دارند، راهنمایی می کند. برای جمع بندی، جاناتان یک نمای کلی از پروژه های آینده ارائه می دهد که می توانید در نظر بگیرید.

coursera مقدمه ای بر TensorFlow برای هوش مصنوعی، یادگیری ماشینی و یادگیری عمیق (Mitalearn-309924)

  • 1 hours 16 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Laurence Moroney
درباره این دوره:

اگر توسعه‌دهنده نرم‌افزاری هستید که می‌خواهید الگوریتم‌های مقیاس‌پذیر مبتنی بر هوش مصنوعی بسازید، باید بدانید که چگونه از ابزارهای ساخت آنها استفاده کنید. این دوره بخشی از DeepLearning.AI TensorFlow Developer Specialization است و بهترین روش ها برای استفاده از TensorFlow، یک چارچوب منبع باز محبوب برای یادگیری ماشین را به شما آموزش می دهد. دوره یادگیری ماشین و تخصص یادگیری عمیق از Andrew Ng مهمترین و اساسی ترین اصول یادگیری ماشین و یادگیری عمیق را آموزش می دهد. این تخصص توسعه‌دهنده DeepLearning.AI TensorFlow به شما می‌آموزد که چگونه از TensorFlow برای پیاده‌سازی این اصول استفاده کنید تا بتوانید شروع به ساخت و استفاده از مدل‌های مقیاس‌پذیر برای مشکلات دنیای واقعی کنید. برای ایجاد درک عمیق تر از نحوه عملکرد شبکه های عصبی، توصیه می کنیم که تخصص یادگیری عمیق را انتخاب کنید.

coursera مقدمه ای بر بینایی کامپیوتر (Mitalearn-352900)

  • 46 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Amanda Wang,Matt Rich,Brandon Armstrong
درباره این دوره:

در اولین دوره از گرایش مهندسی و علوم کامپیوتر ویژن، با بینایی کامپیوتر آشنا می شوید. متداول‌ترین الگوریتم‌ها را برای تشخیص، استخراج و تطبیق ویژگی‌ها می‌آموزید و از آنها استفاده می‌کنید تا تصاویر ماهواره‌ای را تراز کنید و تصاویر را با هم بچینید تا یک تصویر واحد از یک صحنه بزرگ‌تر ایجاد کنید. ویژگی‌ها در برنامه‌هایی مانند تخمین حرکت، ردیابی شی و یادگیری ماشین استفاده می‌شوند. شما از ویژگی هایی برای تخمین تحولات هندسی بین تصاویر و انجام ثبت تصویر استفاده خواهید کرد. هر زمان که نیاز به مقایسه تصاویر یک صحنه گرفته شده در زمان های مختلف یا ترکیب تصاویر بدست آمده از ابزارهای علمی مختلف داشته باشید، ثبت نام مهم است، همانطور که در تصاویر فراطیفی و پزشکی رایج است. شما در طول این دوره از MATLAB استفاده خواهید کرد. متلب برای میلیون‌ها نفر از افرادی که در زمینه‌های مهندسی و علوم کار می‌کنند، گزینه‌ای است و قابلیت‌های مورد نیاز برای انجام وظایف بینایی رایانه‌تان را فراهم می‌کند. در طول دوره برای تکمیل کار، دسترسی رایگان به متلب در اختیار شما قرار خواهد گرفت. برای موفقیت در این دوره، داشتن تجربه قبلی در پردازش تصویر کمک خواهد کرد. اگر با داده های تصویری تازه کار هستید، توصیه می شود ابتدا تخصص پردازش تصویر برای مهندسی و علوم را تکمیل کنید.

coursera مقدمه ای بر بینایی کامپیوتری و پردازش تصویر (Mitalearn-326550)

  • 2 hours 3 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Aije Egwaikhide,Joseph Santarcangelo
درباره این دوره:

Computer Vision یکی از هیجان انگیزترین زمینه ها در یادگیری ماشینی و هوش مصنوعی است. در بسیاری از صنایع مانند اتومبیل های خودران، روباتیک، واقعیت افزوده و بسیاری موارد دیگر کاربرد دارد. در این دوره آموزشی مبتدی، بینایی کامپیوتر را درک خواهید کرد و با کاربردهای مختلف آن در بسیاری از صنایع آشنا خواهید شد. به عنوان بخشی از این دوره، شما از Python، Pillow و OpenCV برای پردازش اولیه تصویر و انجام طبقه بندی تصویر و تشخیص اشیا استفاده خواهید کرد. این یک دوره عملی است و شامل چندین آزمایشگاه و تمرین است. آزمایشگاه‌ها آزمایشگاه‌های Jupyter و Computer Vision Learning Studio (CV Studio) را که یک ابزار آموزشی رایگان برای بینایی کامپیوتر است، ترکیب می‌کنند. CV Studio به شما امکان آپلود، آموزش و آزمایش مدل‌های تشخیص و طبقه‌بندی تصویر سفارشی خود را می‌دهد. در پایان دوره، برنامه وب بینایی کامپیوتر خود را ایجاد کرده و آن را در Cloud مستقر خواهید کرد. این دوره نیازی به تجربه قبلی در زمینه یادگیری ماشین یا کامپیوتر ندارد. با این حال، دانش کمی از زبان برنامه نویسی پایتون و ریاضی دبیرستان ضروری است.

coursera مقدمه ای بر توزیع اینتل از جعبه ابزار OpenVINO™ برای برنامه های کاربردی بینایی کامپیوتری (Mitalearn-307170)

  • 54 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Vu Q Nguyen
درباره این دوره:

به مقدمه اینتل توزیع بسته ابزار OpenVINO™ برای دوره برنامه های کاربردی بینایی کامپیوتر خوش آمدید! این دوره دسترسی آسان به مفاهیم بنیادی Intel Distribution of OpenVINO را فراهم می کند. در طول این دوره، شما با دموهایی آشنا می شوید که قابلیت های این جعبه ابزار را به نمایش می گذارد. با مهارت‌هایی که از این دوره کسب می‌کنید، می‌توانید ارزش ابزارها و ابزارهای ارائه شده در جعبه ابزار OpenVINO توزیع اینتل، مانند دانلودکننده مدل، بهینه‌ساز مدل و موتور استنتاج را توصیف کنید. این کلاس برای چه کسانی است: این دوره برای زبان آموزانی در نظر گرفته شده است که تجربه قبلی در زمینه بینایی کامپیوتر ندارند، اگرچه دانش قبلی مفید است. این دوره برای هر کسی که علاقه مند به یادگیری بیشتر در مورد مفاهیم اصلی برنامه های بینایی کامپیوتر و کیت ابزار توزیع اینتل OpenVINO است ایده آل است. حجم کار تخمینی: باید انتظار داشته باشید که حدود 3 ساعت برای تکمیل این دوره اختصاص دهید. پیش نیازهای زبان آموز: هیچ دانش قبلی از بینایی کامپیوتر لازم نیست، اگرچه تجربه قبلی مفید است.

coursera مقدمه ای بر یادگیری ماشینی (Mitalearn-332313)

  • 10 hours 24 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Lawrence Carin ,David Carlson,Timothy Dunn
درباره این دوره:

این دوره یک درک اساسی از مدل های یادگیری ماشین (رگرسیون لجستیک، پرسپترون های چندلایه، شبکه های عصبی کانولوشن، پردازش زبان طبیعی و غیره) ارائه می دهد و نشان می دهد که چگونه می توانند مشکلات پیچیده در صنایع مختلف، از تشخیص پزشکی گرفته تا تشخیص تصویر تا پیش بینی متن را حل کنند. از طریق تمرین‌های عملی، این مدل‌های علم داده را بر روی مجموعه داده‌ها پیاده‌سازی خواهید کرد و در الگوریتم‌های یادگیری ماشین با PyTorch که توسط شرکت‌های فناوری پیشرو مانند Google و NVIDIA استفاده می‌شود، مهارت کسب خواهید کرد.

Suggestions