منذ ساعة
أهلا بك عزيزي المتابع لموقع (journey for learn) نقدم دورات بكوبونات متاحة لاول 1000 تسجيل مجاني فقط وكوبونات اخري لفترة محدودة فاذا كنت تريد ان تحصل علي كل الكورسات علي موقعنا وان تكون اول المسجلين في الكورسات المجانية قم بتسجيل الدخول أوقم بالدخول علي وسائل التواصل الاجتماعي وخصوصا التليجرام نوضح الوصف المختصر والطويل للدورات لكي تعرف الدروس التي سوف تتعلمها بسهولة ويسر :
وصف أطلق العنان لعالم رؤية الكمبيوتر من خلال دورتنا الشاملة التي تحمل عنوان "رؤية الكمبيوتر الرئيسية: أكثر من 1300 سؤال وتدريب على المقابلة". يقدم هذا البرنامج المصمم بدقة أكثر من 1300 سؤال تدريبي يغطي جميع مستويات الصعوبة - المبتدئ والمتوسط والمتقدم - عبر الفئات المهمة مثل أساسيات معالجة الصور، وتقنيات التعلم العميق، وطرق الكشف عن الكائنات، والمزيد. طوال هذه الدورة، سوف تشارك مع موضوعات تشمل الشبكات العصبية التلافيفية (CNNs)، واستراتيجيات تجزئة الصور، وأنظمة الرؤية في الوقت الفعلي، والنماذج التوليدية مثل شبكات GAN. تم تصميم كل قسم ليس فقط لاختبار معرفتك ولكن أيضًا لتعميق فهمك من خلال التطبيقات العملية وسيناريوهات العالم الحقيقي. من خلال إكمال هذه الدورة، ستكتسب الثقة في قدرتك على معالجة مشكلات رؤية الكمبيوتر المعقدة والاستعداد بفعالية للمقابلات الفنية. سواء كنت تهدف إلى الحصول على وظيفة في مجال الذكاء الاصطناعي أو ترغب ببساطة في تعزيز مجموعة مهاراتك، فإن دورتنا التدريبية توفر الموارد التي تحتاجها لتحقيق النجاح.تغطي اختبارات الممارسة هذه ما يلي:1. أساسيات معالجة الصور
- تمثيل الصورة (وحدات البكسل، RGB، التدرج الرمادي)
- المرشحات (التمويه، الوضوح، اكتشاف الحواف)
- تعديلات الرسم البياني والتباين
- العتبة (الثنائية، طريقة أوتسو)
- العمليات المورفولوجية (التآكل، التمدد، الفتح، الإغلاق)
- المرشحات والنوى التلافيفية
- تحويلات الصور (التدوير، الترجمة، القياس)
- تقنيات الاستيفاء (ثنائية الخط، ثنائية التكعيب)
- مساحات الألوان (RGB، HSV، Lab، وما إلى ذلك)
- المعالم واكتشاف الأشكال
- تحويل شامل (اكتشاف الخط والدائرة)
- استخراج المعالم (SIFT، الأمواج، الجرم السماوي)
- الشبكات العصبية التلافيفية (CNN)
- الهندسة المعمارية (طبقات التحويل، التجميع، وظائف التنشيط)
- بنيات CNN الشهيرة (AlexNet، VGG، ResNet، إلخ.)
- تقنيات الانتشار العكسي والتحسين (النسب المتدرج، آدم)
- نقل التعلم
- الضبط الدقيق الذي تم تدريبه مسبقًا النماذج
- وظائف التنشيط (ReLU، Leaky ReLU، Softmax)
- وظائف الخسارة (Cross-Entropy، MSE)
- تطبيع الدُفعات والتسرب < /ul>4. اكتشاف الكائنات وتحديد موقعها
- تقنية النافذة المنزلقة
- شبكات CNN القائمة على المنطقة (R-CNN، Fast R-CNN، Faster R-CNN)
- YOLO (أنت فقط انظر مرة واحدة)
- SSD (كاشف الصناديق المتعددة ذو اللقطة الواحدة)
- صناديق التثبيت، التقاطع فوق الاتحاد (IoU)
- القمع غير الأقصى (NMS) 5. تجزئة الصور
- التجزئة على أساس العتبة
- خوارزمية مستجمعات المياه
- التجزئة على أساس اكتشاف الحواف
- نمو المنطقة
- عميق التجزئة القائمة على التعلم (الشبكات التلافيفية بالكامل، U-Net، قناع R-CNN)
- التجزئة الدلالية مقابل التجزئة المثيلية
- خوارزميات التدفق البصري (Lucas-Kanade, Farneback)
- طرح الخلفية
- خوارزميات التتبع (Kalman Filter، Mean-Shift، CAMShift)< /li>
- تتبع الكائنات باستخدام التعلم العميق (الشبكات السيامية، DeepSORT)
- تقدير العمق (رؤية مجسمة، ضوء منظم)
- الهندسة فوق القطبية (مصفوفة أساسية، مصفوفة أساسية)
- معايرة الكاميرا
- إعادة البناء ثلاثي الأبعاد (الهيكل من الحركة، استريو متعدد العروض)
- السحب النقطية، الشبكات ثلاثية الأبعاد
- معالجة بيانات LiDAR
- خوارزمية فيولا جونز لاكتشاف الوجه
- شلالات Haar وHOG (الرسم البياني للتدرجات الموجهة)
- الوجه القائم على التعلم العميق الكشف (MTCNN، SSD للوجوه)
- الكشف عن معالم الوجه
- تقنيات التعرف على الوجه (Eigenfaces، Fisherfaces، LBPH)
- التعرف على الوجه القائم على التعلم العميق (FaceNet ، VGGFace)
- تقدير الوضعية (OpenPose، مشكلة PnP)
- أجهزة التشفير التلقائي وأجهزة التشفير التلقائي المتغيرة (VAE)
- شبكات الخصومة التوليدية (GANs)
- DCGAN، وCycleGAN، وStyleGAN
- تقنيات الدقة الفائقة
- ترجمة صورة إلى صورة
- التعرف على الإجراء
- تجزئة إطار الفيديو
- تصنيف الفيديو (هندسة CNN + LSTM)
- الشبكات التلافيفية الزمنية (TCN)
- استخراج المعالم المكانية والزمانية
- ضبط المعلمات الفائقة (معدل التعلم، الزخم)
- تقنيات تجنب الإفراط في التجهيز (الانقطاع، زيادة البيانات)
- التوقف المبكر، جداول معدل التعلم
- تكميم النموذج وتقليصه لتحقيق الكفاءة
- تشغيل نماذج الرؤية على الأنظمة المدمجة (NVIDIA Jetson وRaspberry Pi)
- ضغط النماذج (التكميم والتقليم)
- تحسينات ONNX وTensorRT< /li>
- بنيات فعالة (MobileNet، SqueezeNet، ShuffleNet)
- التعليق التوضيحي اليدوي مقابل التعليق التوضيحي التلقائي
- أدوات مثل LabelImg وCVAT
- المعالجة المسبقة للبيانات (التكبير والتطبيع)
- توليد البيانات الاصطناعية
- OpenCV (معالجة الصور واكتشاف الكائنات)
- Dlib (اكتشاف الوجه وتتبع الكائنات)
- TensorFlow/Keras (التعلم العميق)
- PyTorch (التعلم العميق)
- Scikit-image (معالجة الصور)
- اكتشاف الكائنات في الوقت الفعلي
- تحسين معدل الإطارات
- معالجة دفق الفيديو (OpenCV، GStreamer)
- وحدة معالجة الرسومات مقابل معالجة وحدة المعالجة المركزية للتطبيقات في الوقت الفعلي
- الدقة، الاستدعاء، درجة F1
- الدقة، مصفوفة الارتباك
- التقاطع عبر الاتحاد (IoU) لاكتشاف الكائنات
- متوسط الدقة (mAP)
- دقة البكسل ومتوسط IoU للتجزئة
- منحنى خاصية تشغيل جهاز الاستقبال (ROC)، AUC
- تصور طبقات ومرشحات CNN
- Grad-CAM ونشر الصلة بالطبقة (LRP)
- SHAP وLIME لقابلية التفسير في نماذج الرؤية
- التحيز والعدالة في نماذج رؤية الكمبيوتر
ما هي المتطلبات الأساسية لدخول الدورة والتسجيل فيها على موقعنا؟ رحلة التعلم:
(احصل على الدورة للدخول إلى الموقع والتسجيل)
يجب أن يكون لديك بريد إلكتروني (حساب بريد) تتذكره لنفسك وأيضًا يجب أن تتذكر كلمة مرور البريد الإلكتروني الذي ستسجل به ، وإذا لم يكن لديك حساب بريد إلكتروني ، فمن الأفضل إنشاء حساب (Gmail)
0 تعليقات
تسجيل دخول
دورات مشابهة