قیمت محصول : $0.00
آپدیت: آذر ۱۳۹۹
آنچه در این دوره تشخیص ارقام دستنویس با پایتون فرا میگیرید! این دوره از شاخههای پردازش تصویر میباشد که در یادگیری عمیق یا Deep Learning یکی از شاخههای کار آمد به حساب میآید. این دوره دید خوبی برای علاقهمندان این علم میدهد و پس از این دوره مخاطبان میتوانند آینده و مراحل بعدی خود را پیشبینی و مشخص کنند. این دوره به شما آموزش می دهد که چگونه شبکه های […]
آنچه در این دوره تشخیص ارقام دستنویس با پایتون فرا میگیرید!
- این دوره از شاخههای پردازش تصویر میباشد که در یادگیری عمیق یا Deep Learning یکی از شاخههای کار آمد به حساب میآید.
- این دوره دید خوبی برای علاقهمندان این علم میدهد و پس از این دوره مخاطبان میتوانند آینده و مراحل بعدی خود را پیشبینی و مشخص کنند.
این دوره به شما آموزش می دهد که چگونه شبکه های عصبی کانولوشن ( ویکی پدیا ) بسازید و آن را در داده های تصویر بخصوص اعداد دست نوشت اعمال کنید. به لطف یادگیری عمیق ، بینایی رایانه بسیار بهتر از سالهای پیش کار می کند ، و این برنامه های مختلف مهیج از رانندگی خودکار ، تشخیص دقیق چهره ، خواندن خودکار تصاویر رادیولوژی را امکان پذیر می کند. و همچنین یاد میگیرید که با دادههای سطری و ستونی چگونه کار کره و از آنها استخراج دانش ( داده کاوی ) کنید. و همینطور دید و سبک فکر در زمینه حل مسائل داده محور به شما میدهد.
معرفی پروژه پردازش تصویر
- این دوره شامل ۲ پروژه هست که در فصل اول به دلیل مباحث مورد نظر یک پروژه متشکل از دادههای سطری و ستونی میباشد.
- در فصل دوم پروژه اصلی و مورد هدف که دیتا ستی از اعداد انگلیسی دست نوشت هست را مورد بررسی قرار میدهیم.
دوره برای چه کسانی مناسب است؟
تکنولوژی و نرم افزار های مورد نیاز
- پایتون ۳٫۵ به بالا
پیشنیاز های تشخیص ارقام دستنویس با پایتون
- آشنایی با زبان برنامه نویسی پایتون
- آشنایی کتابخانه های keras,numpy, pandas
- آشنایی با یادگیری ماشین
سرفصل های آموزش دوره تشخیص اعداد دست نوشت
بخش اول : Data preprocessing ( پیش پردازش روی داده ها )
- Data cleaning – تمیز کردن داده های کثیف
- Data transformation – انتقال داده
- Data reduction – کاهش داده
بخش دوم : Machine learning models ( مدل یادگیری ماشین )
- Human brain architecture – ساختار ذهن انسان !
- Training model component – اجزای مدل های یادگیری ماشین
- Type of problems – انواع مساله
- Dense nets – شبکه های دنس
- Convolution model – مدل های شبکه های عصبی کانوولوشنی
- NN training structure – ساختار شبکه های عصبی
بخش سوم : Evaluation models ( ارزیابی مدل )
- Confusing matrix – ماتریس سردرگمی برای ارزیابی مدل
- Charts – نمودار ها
- Gain and lift chart
- Roc Chart
- Auc Chart
توضیحات بیشتر
دوره های مرتبط
روش های پشتیبانی
دانشجویار در طول ۲۴ ساعت شبانه روز آماده پاسخگویی به سوالات شما می باشد.
-
تماس با شماره تلفن
۰۵۶۳۲۳۴۲۰۴۲ -
ارسال تیکت پشتیبانی از طریق
این لینک - گفتگوی آنلاین از طریق چت وبسایت
-
ارسال پیام به آیدی تلگرام
@daneshjooyar_support724
درخواست مشاوره
با پر کردن فرم زیر همکاران ما در دانشجویار در اسرع وقت با شما تماس خواهند گرفت
روش های پشتیبانی
دانشجویار در طول ۲۴ ساعت شبانه روز آماده پاسخگویی به سوالات شما می باشد.
-
تماس با شماره تلفن
۰۵۶۳۲۳۴۲۰۴۲ -
ارسال تیکت پشتیبانی از طریق
این لینک - گفتگوی آنلاین از طریق چت وبسایت
-
ارسال پیام به آیدی تلگرام
@daneshjooyar_support724
کلیه حقوق مادی و معنوی دوره ها متعلق به وبسایت آموزشی دانشجویار می باشد