دوره

مدل‌سازی تصویر با Keras

یاد بگیرید چطور با استفاده از Keras در پایتون (با ساختن، آموزش دادن و ارزیابی شبکه‌های عصبی کانولوشنی)، تحلیل تصویر رو انجام بدید.

مقدماتی
تاریخ به‌روزرسانی:
17 آبان 1405
۴٫۶
پایتون
۴ ساعت
۱۳ ویدیو
۳۲ تمرین
۶۶۴ شرکت‌کننده
۳۶۵
کاربرهای فینکا در چه شرکت‌هایی مشغول به کار هستند؟
توضیحات دوره

مدل‌سازی تصویر اغلب به روش‌های یادگیری عمیقی نیاز داره که در اون‌ها از داده‌ها برای آموزش الگوریتم‌های شبکه‌های عصبی در انواع کاربردهای یادگیری ماشین استفاده می‌شه. شبکه‌های عصبی کانولوشنی یا پیچشی (CNN) شبکه‌های فوق‌العاده قدرتمندی هستن که ازشون برای طبقه‌بندی انواع اشیا در تحلیل تصاویر استفاده می‌کنید. در این دوره 4 ساعته یاد می‌گیرید چطور با کمک Keras شبکه‌های CNN رو بسازید، آموزش بدید و ارزیابی کنید.

همونیه که می‌خواید یاد بگیرید؟

1
پردازش تصویر با شبکه‌های عصبی

شبکه‌های عصبی کانولوشنی از داده‌هایی که به شکل تصویر نمایش داده می‌شن، برای یادگیری استفاده می‌کنن. در این بخش، داده‌های موجود در تصاویر رو بررسی می‌کنیم و یاد می‌گیریم چطور از Keras برای آموزش یک شبکه عصبی استفاده کنیم تا اشیای موجود در تصاویر رو طبقه‌بندی کنه.

2
استفاده از کانولوشن‌ها

کانولوشن‌ها اجزای سازنده اصلی شبکه‌های عصبی کانولوشنی هستن. در این بخش با مفهوم کانولوشن آشنا می‌شید و یاد می‌گیرید چطور روی داده‌های تصویری عمل می‌کنه. همچنین می‌بینید چطور می‌تونید کانولوشن‌ها رو در شبکه‌های عصبی Keras به کار بگیرید.

3
عمیق‌تر شدن

شبکه‌های عصبی کانولوشنی وقتی با چندین لایه ساخته می‌شن و ساختاری عمیق پیدا می‌کنن، قدرت زیادی به دست میارن. در این بخش یاد می‌گیرید چطور چندین لایه کانولوشنی رو روی هم قرار بدید و یک شبکه عمیق بسازید. همچنین یاد می‌گیرید چطور با رشد شبکه، تعداد پارامترهای اون رو محاسبه و کنترل کنید.

4
درک و بهبود شبکه‌های کانولوشنی عمیق

راه‌های زیادی برای بهبود فرایند آموزش شبکه‌های عصبی وجود داره. در این بخش، روی بررسی عملکرد شبکه و روش‌های مختلف بهبود شبکه‌های عصبی کانولوشنی تمرکز می‌کنیم.

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.

اشتراک‌گذاری

سوالات متداول

شبکه عصبی کانولوشنی (پیچشی) یا همون CNN، نوعی شبکه عصبیه که در پردازش و تشخیص تصویر استفاده می‌شه. این شبکه‌ها به‌طور خاص برای پردازش داده‌های پیکسلی طراحی شدن. از CNNها می‌شه برای تشخیص چهره و طبقه‌بندی تصویر استفاده کرد.

CNN مخفف شبکه عصبی کانولوشنی یا پیچشی هست؛ این شبکه‌ها یک کلاس از شبکه‌های عصبی مصنوعی به حساب می‌آن که معمولا برای تحلیل تصاویر بصری به کار می‌رن.

پردازش تصویر به‌عنوان بخشی از یادگیری ماشین کاربردهای خیلی وسیعی داره؛ از جمله تشخیص چهره، خودکارسازی کارهای دستی در طبقه‌بندی، برنامه‌نویسی ماشین‌های خودران، تصویربرداری پزشکی، بازی‌سازی، ترمیم تصویر و تشخیص الگو.

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.