التعلم العميق للرؤية الحاسوبية: من الشبكات العصبية المركزية إلى الشبكات العصبية العامة

هل تساءلتم من قبل كيف تتعلم أجهزة الكمبيوتر "الرؤية" وتفسير العالم المرئي؟ من تحديد الأشياء في الوقت الحقيقي إلى خلق صور جديدة تماما، تكمن القوة في بنية التعلم العميق الحديثة. تقدم هذه الدورة مساراً عملياً من أساسيات الشبكات العصبية الملتوية (CNNs) إلى النماذج المتقدمة التي تدعم أكثر أنظمة الذكاء الاصطناعي البصري إثارة للإعجاب اليوم. وسوف تتجاوز تصنيف الصور الأساسي واكتساب المهارات اللازمة لتنفيذ أنظمة الرؤية الحاسوبية المتطورة لمجموعة متنوعة من المهام. ومن خلال شروحات وأمثلة شفرة واضحة قائمة على النص، سوف تتعلم التفكير مثل ممارس الرؤية الحاسوبية. ماذا ستتعلم: - فهم تطور شبكات التوزيع المركزية من التصميمات الكلاسيكية إلى التصميمات الحديثة مثل ResNet و Inception. - بناء نماذج لكشف الأشياء من أجل تحديد وتحديد مواقع عدة أشياء داخل صورة باستخدام تقنيات كاشف الصورة الواحدة. - إنشاء صور فنية عن طريق تنفيذ نقل الأسلوب العصبي لدمج محتوى وأسلوب الصور المختلفة. - استكشاف أسس الذكاء الاصطناعي المولد عن طريق بناء وتدريب شبكات خصومة مولدة من الأساس. - ممارسة إعداد مجموعات بيانات الصور وتقييم أداء النماذج لتطبيقات الرؤية الحاسوبية في العالم الحقيقي. - تنفيذ نماذج معقدة خطوة بخطوة باستخدام أطر TensorFlow و Keras الشائعة في Python. تبدأ الدورة بالمفاهيم الأساسية والمصطلحات الرئيسية قبل الانتقال إلى التمارين العملية حيث ستطبق ما قرأته. وستتبع الدروس المكتوبة لبناء وتدريب كل نوع من النماذج، وتعزيز فهمك من خلال الممارسة. هذه الدورة مصممة للمتعلمين الذين لديهم فهم أساسي للغة بايثون ومفاهيم التعلم الآلي. ولا توجد خبرة سابقة في الرؤية الحاسوبية ضرورية للبدء. ابدأ رحلتك في عالم الرؤية الحاسوبية الحديثة اليوم.