سرفصل های دوره

۱ فصل
۱۲ جلسه
۳ ساعت
۱

لیست ویدئوهای دوره

۱۲ قسمت
۰۳:۲۴:۱۷

بخش اول - قسمت اول - Data cleaning - تمیز کردن داده های کثیف

۴۱:۰۱

بخش اول - قسمت دوم - Data transformation - انتقال داده

۳۵:۰۶

بخش اول - قسمت سوم - Data reduction - کاهش داده

۲۱:۱۲

فایل های جانبی بخش اول

بخش دوم - قسمت اول - Human brain architecture - ساختار ذهن انسان !

۰۶:۳۲

بخش دوم - قسمت دوم - Training model component - اجزای مدل های یادگیری ماشین

۱۰:۴۵

بخش دوم - قسمت سوم - Type of problems - انواع مساله

۰۵:۰۲

بخش دوم - قسمت چهارم - Dense nets - شبکه های دنس

۰۷:۰۵

بخش دوم - قسمت پنجم - Convolution model - مدل های شبکه های عصبی کانوولوشنی

۰۶:۱۲

بخش دوم - قسمت ششم - NN training structure - ساختار شبکه های عصبی

۳۳:۲۹

فایل های بخش دوم

بخش سوم - قسمت اول - Confusing matrix - ماتریس سردرگمی برای ارزیابی مدل

۱۰:۰۶

بخش سوم - قسمت دوم - Charts - نمودار ها

۰۲:۴۱

بخش سوم - قسمت سوم - Gain and lift chart و Roc Chart و Auc Chart

۲۵:۰۶

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 3.5 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

مدرس

مهدی حمزه لوئی

مهدی حمزه لوئی مدرس

از سنین نوجوانی عاشق کامپیوتر بودم و از سن ۱۵ سالگی به آموزشگاه برنامه نویسی میرفتم.ترم اول دانشگاهم بود که توانستم در یک شرکت برنامه نویسی استخدام بشوم. در شرکت با همکارای آشنا شدم که من را با شاخه علوم داده آشنا کرد. و من بسیار علاقه مند شدم به این شاخه. خیلی جستجو کردم تا بالاخره توانستم آموزشگاهی پیداکنم که این مباحث را آموزش میداد و زیر نظر یکی از بهترین دانشگاه های ایران بود.
کلاس ها را ثبت نام کردم اما از اواسط دوره دیگه هیچی نمیفهمیدم و انصراف دادم .ولی بیخیال نشدم و استادم یک سری منابع برای شروع بهم معرفی کرد.
اما یک مشکل داشتم . منابع همگی انگلیسی بودن و من زبانم خوب نبود. و روند آموزش خیلی بغرنج بود مثلا در یک ماه من فقط توانسته بودن ۵ صفحه از جزوه ۷۰۰ صفحه ای را مطالعه کنم. استاد خصوصی گرفتم و شروع به آموزش زبان انگلیسی کردم. بعد از مطالعه منابع. دوباره دوره آموزشی را ثبت نام کردم و به اتمام رساندم. اما انتظارات من هنوز براورده نشده بود. در دانشگاه ها به دنبال اساتید این شاخه میگشتم و فقط به دنبال اسم منابع مطالعاتی میگشتم. کلی جزوه ، کتاب، فیلم آموزشی جمع کردم. و شروع به مطالعه کردم. اما من سر کار میرفتم، دانشگاه میرفتم و در پایان روز دیگه انرژی برای مطالعات آزاد در زمینه مورد علاقم نداشتم. تصمیم گرفتم از شرکت استعفا بدم. و به اندازه هزینه های و خرج و مخارجم پول جمع کردم و از شرکت استعفا دادم. و شروع به مطالعه کردم. حدود ۳ سال مطالعه میکردم . خیلی دوران سختی بود. بعد از مدتی در یک شرکت در زمینه مورد نظرم استخدام شدم که متاسفانه به این بیماری لعنتی بر خوردیم . اما همچنان در حال ادامه راهم هستم 😉