سرفصل:
- مقدمه ای بر یادگیری نیمه نظارتی (SSL)
- الگوریتم های پایه SSL
- انتشار برچسب(Lable Propagation)
- مدل های Generative در SSL
- یادگیری نیمه نظارتی با شبکه های عصبی
- یادگیری معماری های پرکاربرد
- تکنیک های بهینه سازی برایDetection
- یادگیری نیمه نظارتی در پردازش تصویر
- ارزیابی مدل های SSL
کسب توانایی:
- ساخت انواع ماتریس و ابرماتریس های داده ای
- اکتشاف داده و ارائه ی تحلیل های گوناگون بر روی ماتریس ها
- مصور سازی داده ها از منظرهای مختلف با ابعاد گوناگون
- آشنایی با توزیع های مختلف داده ای و کاربرد انان در تحلیل داده ها
- انجام آزمون های گوناگون جهت استنتاج دلایل وقوع پدیده ها
- آمده سازی داده برای آموزش توسط مدل های هوشمند شامل انواعبخش بندی، اصلاح فرمت، تشخیص داده های اشتباه و اصلاح آنها
- استخراج ویژگی های پهنان در داده و آماده سازی آنها جهت انجام الگوریتم هوشمند
- کشف الگو های قرار گرفته در داده و ارتباط بین آنها
بازار کار:
- شرکت ها فعال در حوزه های پردازش تصویر و بینایی ماشین
- شرکت های نظارتی و امنیتی
- خوردرو سازی(سیستم های خودران و کمک راننده مثلADAS)
- صنعت پزشکی(پردازش تصاویر رادیولوژی، پاتولوژی و ….)
- کشاورزی هوشمند( تشخیص آفات، بیماری های گیاهی و…)
- استارتاپ های هوش مصنوعی وفناوری
- مراکز تحقیقاتی و دانشگاهیشرکت های توسعه دهنده ی مدل های AI
دوره های مرتبط
دوره آموزشی هوش مصنوعی با پایتون مقدماتی تا پیشرفته
سرفصل: معرفی هوش مصنوعی و مفاهیم پایه پایتون برای هوش مصنوعی ریاضیات برای هوش مصنوعی یادگیری ماشین مقدماتی(رگرسیون) طبقه بندی(Classification)…
دوره آموزشی هوش مصنوعی با پایتون مقدماتی
سرفصل: معرفی هوش مصنوعی و مفاهیم پایه پایتون برای هوش مصنوعی ریاضیات برای هوش مصنوعی یادگیری ماشین مقدماتی (رگرسیون) طبقه…
نظرات