سجل الآن

تسجيل دخول

فقدت كلمة المرور

فقدت كلمة المرور الخاصة بك؟ الرجاء إدخال عنوان البريد الإلكتروني الخاص بك. ستتلقى رابطا وستنشئ كلمة مرور جديدة عبر البريد الإلكتروني.

أضف مقالة جديدة

‎يجب تسجيل الدخول لتستطيع أضافة مقالة .

أضف سؤال جديد

يجب عليك تسجيل الدخول لطرح سؤال.

تسجيل دخول

سجل الآن

مرحبا بكم في Scholarsark.com! سوف تسجيلك تمنح لك الوصول إلى استخدام المزيد من الميزات من هذا المنبر. يمكنك طرح الأسئلة, تقديم مساهمات أو تقديم إجابات, عرض لمحات من المستخدمين الآخرين، وغيرها الكثير. سجل الان!

تعلم عميق :حال. رؤية الكمبيوتر (اكتشاف الكائن + المزيد!)

تعلم عميق :حال. رؤية الكمبيوتر (اكتشاف الكائن + المزيد!)

السعر: $19.99

اخر تحديث: سأوضح لك كل من كيفية استخدام نموذج تم اختباره مسبقًا وكيفية تدريب أحدهم بنفسك باستخدام مجموعة بيانات مخصصة شركة جوجل.

هذه الدورة التدريبية عبارة عن دليل كامل لإعداد واجهة برمجة تطبيقات لاكتشاف الكائنات TensorFlow, نقل التعلم وغير ذلك الكثير

أعتقد أن ما ستجده هو ذلك, هذه الدورة مختلفة تمامًا عن الدورة السابقة, ستنبهر بكمية المواد التي يتعين علينا تغطيتها.

هنا تفاصيل عن المشروع.

سننطلق هنا من colab الفهم لأن ذلك سيساعد على استخدام GPU المجاني الذي توفره Google لتدريب نموذجنا.

سنقوم بسد الفجوة بين بنية CNN الأساسية التي تعرفها وتحبها بالفعل, الى الحديث, معماريات جديدة مثل ResNet, و نشأه.

سوف نفهم وحدات اكتشاف الكائنات بالتفصيل باستخدام كل من واجهة برمجة تطبيقات اكتشاف كائن tensorflow وكذلك خوارزميات YOLO.

سننظر في أحدث خوارزمية تسمى RESNET و MobileNetV2 وهي أسرع وأكثر دقة من سابقاتها.

أفضل شيء هو أنك ستفهم الأساسيات الأساسية لـ CNN وكيف تتحول إلى اكتشاف الكائنات ببطء.

آمل أن تكون متحمسًا للتعرف على هذه التطبيقات المتقدمة لشبكات CNN Yolo و Tensorflow, سأراك في الفصل!

حقائق مذهلة:

· تمنحك هذه الدورة خبرة كاملة في نماذج التدريب في وحدة معالجة الرسومات كولاب.

· بدلاً من التركيز على الأعمال الداخلية التفصيلية لشبكات CNN (الذي قمنا به بالفعل), سنركز على اللبنات عالية المستوى. النتيجة? ما يقرب من الصفر الرياضيات.

· نتيجة أخرى? لا يوجد رمز معقد منخفض المستوى مثل ذلك المكتوب Tensorflow, ثيانو,يولو, أو PyTorch (على الرغم من أن بعض التمارين الاختيارية قد تحتوي عليها للطلاب المتقدمين جدًا). سيكون معظم الدورة في الصعب وهو ما يعني الكثير من مملة, الاشياء المتكررة مكتوبة من اجلك.

المتطلبات الأساسية المقترحة:

· تعرف على كيفية البناء, قطار, واستخدم CNN باستخدام بعض المكتبات (يفضل أن يكون ذلك في بايثون)

· فهم المفاهيم النظرية الأساسية وراء الالتفاف والشبكات العصبية

· مهارات ترميز بايثون لائقة, يفضل أن يكون ذلك في علم البيانات و Numpy Stack

لمن هذه الدورة:

· الطلاب والمهنيون الذين يرغبون في نقل معرفتهم برؤية الكمبيوتر والتعلم العميق إلى المستوى التالي

· أي شخص يريد التعرف على خوارزميات الكشف عن الكائنات مثل SSD و YOLO

· أي شخص يريد تعلم كيفية كتابة التعليمات البرمجية لنقل النمط العصبي

· أي شخص يريد استخدام التعلم الانتقالي

· أي شخص يريد تقصير وقت التدريب وبناء شبكات رؤية حاسوبية حديثة بسرعة

· أي شخص يبدأ برنامج vison للكمبيوتر

عن arkadmin

‎إضافة تعليق