این یک دوره پیشرفتهست. قبل از شروع این دوره، باید دورههای «مقدمهای بر یادگیری عمیق با PyTorch» و «یادگیری عمیق تکمیلی با PyTorch» رو گذرونده باشید.
دوره
یادگیری عمیق برای تصاویر با PyTorch
اینجا استفاده از PyTorch روی تصاویر و بهکارگیری مدلهای یادگیری عمیق برای تشخیص شیء با کادرهای مرزی و تولید بخشبندی تصویر رو یاد میگیرید.
کاربرهای فینکا در چه شرکتهایی مشغول به کار هستند؟
توضیحات دوره
در این دوره، از PyTorch استفاده میکنید تا طبقهبندی تصویر، تشخیص شیء، بخشبندی و تولید تصویر رو یاد بگیرید. با مدلهای طبقهبندی باینری و چندکلاسه تصویر کار میکنید، از مدلهای از پیشآموزشدیده برای کارهای یادگیری عمیق بهره میبرید و در تشخیص اشیا با استفاده از کادرهای مرزی مهارت پیدا میکنید. علاوه بر این، عمیقاً به بخشبندی تصویر، از جمله انواع بخشبندی معنایی، نمونهای و پاناپتیک با کاربردهای دنیای واقعی میپردازید. در نهایت، شبکههای مولد رقابتی رو بررسی میکنید و یاد میگیرید چطور کیفیت و تنوع تصاویر تولیدشده رو ارزیابی کنید.
همونیه که میخواید یاد بگیرید؟
1
با طبقهبندی تصویر با استفاده از شبکههای عصبی کانولوشنی (CNN)، تفاوت مدلهای طبقهبندی باینری و چندکلاسه و نحوه استفاده از یادگیری انتقالی برای طبقهبندی تصویر در PyTorch آشنا بشید.
2
یاد بگیرید چطور با پیشبینی کادرهای مرزی دور اشیا، اونها رو در تصاویر تشخیص بدید و عملکرد مدلهای تشخیص شیء رو ارزیابی کنید.
3
با سه نوع بخشبندی تصویر، یعنی بخشبندی معنایی، نمونهای و پاناپتیک، کاربردهای هرکدوم و معماریهای مناسب مدلهای یادگیری ماشین برای انجام اونها آشنا بشید.
4
با استفاده از شبکههای مولد رقابتی (GAN)، تصاویر کاملا جدید تولید کنید. یاد بگیرید چطور یک GAN کانولوشنی عمیق بسازید و آموزش بدید و چطور کیفیت و تنوع خروجیهای اون رو ارزیابی کنید.
گواهی پایان دوره
- تأیید مهارت شما
با تکمیل این دوره، شما یک گواهی معتبر دریافت میکنید که بیانگر کسب مهارتهای لازم مرتبط با این دوره آموزشی است.
- اعتبار و اصالت گواهی
هر مدرک دارای شناسه یکتا و لینک اعتبارسنجی است که امکان بررسی و تأیید اصالت آن را فراهم میکند.
- اشتراکگذاری
میتوانید گواهیهای خود را بهراحتی در شبکههای حرفهای مانند لینکدین با دیگران به اشتراک بگذارید.
پیش نیازهای دوره
توضیحات دوره
در این دوره، از PyTorch استفاده میکنید تا طبقهبندی تصویر، تشخیص شیء، بخشبندی و تولید تصویر رو یاد بگیرید. با مدلهای طبقهبندی باینری و چندکلاسه تصویر کار میکنید، از مدلهای از پیشآموزشدیده برای کارهای یادگیری عمیق بهره میبرید و در تشخیص اشیا با استفاده از کادرهای مرزی مهارت پیدا میکنید. علاوه بر این، عمیقاً به بخشبندی تصویر، از جمله انواع بخشبندی معنایی، نمونهای و پاناپتیک با کاربردهای دنیای واقعی میپردازید. در نهایت، شبکههای مولد رقابتی رو بررسی میکنید و یاد میگیرید چطور کیفیت و تنوع تصاویر تولیدشده رو ارزیابی کنید.
همونیه که میخواید یاد بگیرید؟
1
با طبقهبندی تصویر با استفاده از شبکههای عصبی کانولوشنی (CNN)، تفاوت مدلهای طبقهبندی باینری و چندکلاسه و نحوه استفاده از یادگیری انتقالی برای طبقهبندی تصویر در PyTorch آشنا بشید.
2
یاد بگیرید چطور با پیشبینی کادرهای مرزی دور اشیا، اونها رو در تصاویر تشخیص بدید و عملکرد مدلهای تشخیص شیء رو ارزیابی کنید.
3
با سه نوع بخشبندی تصویر، یعنی بخشبندی معنایی، نمونهای و پاناپتیک، کاربردهای هرکدوم و معماریهای مناسب مدلهای یادگیری ماشین برای انجام اونها آشنا بشید.
4
با استفاده از شبکههای مولد رقابتی (GAN)، تصاویر کاملا جدید تولید کنید. یاد بگیرید چطور یک GAN کانولوشنی عمیق بسازید و آموزش بدید و چطور کیفیت و تنوع خروجیهای اون رو ارزیابی کنید.
گواهی پایان دوره
- تأیید مهارت شما
با تکمیل این دوره، شما یک گواهی معتبر دریافت میکنید که بیانگر کسب مهارتهای لازم مرتبط با این دوره آموزشی است.
- اعتبار و اصالت گواهی
هر مدرک دارای شناسه یکتا و لینک اعتبارسنجی است که امکان بررسی و تأیید اصالت آن را فراهم میکند.
- اشتراکگذاری
میتوانید گواهیهای خود را بهراحتی در شبکههای حرفهای مانند لینکدین با دیگران به اشتراک بگذارید.
پیش نیازهای دوره
سوالات متداول
دریافت اپلیکیشن فینکا
با اپلیکیشن فینکا، به بیشتر دورهها و مسیرها روی موبایل دسترسی دارید، تمرین میکنید و یادگیری رو همزمان روی موبایل و دسکتاپ ادامه میدید.
