✳️ امتیاز ادراکی (Inception Score) برای ارزیابی GANها — راهنمای کاربردی
در این مطلب، امتیاز ادراکی (Inception Score) برای ارزیابی GANها مورد بررسی قرار گرفته است. در این راستا، ابتدا مفهوم امتیاز ادراکی بیان و سپس، چگونگی محاسبه آن مورد بررسی قرار میگیرد. در ادامه مطلب، روش پیادهسازی امتیاز ادراکی با استفاده از کتابخانههای پایتون «نامپای» (NumPy) و «کرس» (Keras) بررسی و در نهایت، مشکلات امتیاز ادراکی بیان میشود.
══ فهرست مطالب ══
○ امتیاز ادراکی (Inception Score) برای ارزیابی GANها
○ امتیاز ادراکی چیست؟
○ روش محاسبه امتیاز ادراکی
○ روش پیادهسازی امتیاز ادراکی با نامپای
○ روش پیادهسازی امتیاز ادراکی با کرس
○ مشکلات موجود پیرامون امتیاز ادراکی
🔸 امتیاز ادراکی (Inception Score) برای ارزیابی GANها
«شبکههای مولد تخاصمی» (Generative Adversarial Networks | GANs)، یک معماری «شبکه عصبی یادگیری عمیق» (Deep Learning Neural Network) برای آموزش دادن یک مدل مولد جهت تولید تصاویر مصنوعی است. مشکلی که پیرامون مدلهای مولد وجود دارد آن است که هیچ راه هدفمندی برای ارزیابی کیفیت تصاویر تولید شده توسط آنها، وجود ندارد. متداول است که تصاویر طی فرایند آموزش دادن مدل، به طور دورهای تولید و ذخیره شوند و از عامل انسانی برای ارزیابی تصاویر تولید شده و انتخاب مدل نهایی استفاده میشود.
تاکنون، تلاشهای زیادی برای ایجاد یک سنجه جهت ارزیابی تصاویر تولید شده انجام شده است. یک نمونه اولیه که توسط بخش زیادی نیز پذیرفته شده، «امتیاز ادراکی» (Inception Score | IS) است. در این راهنما، امتیاز ادراکی برای ارزیابی شبکههای مولد تخاصمی مورد بررسی قرار گرفته است. همانطور که پیش از این نیز بیان شد، از این امتیاز برای ارزیابی کیفیت تصاویر تولید شده توسط شبکههای مولد تخاصمی استفاده میشود. در این مطلب، مباحث زیر مورد بررسی قرار خواهند گرفت:
– روش محاسبه امتیاز ادراکی و بینش نهفته در پس آنچه محاسبه میکند.
– چگونگی پیادهسازی امتیاز ادراکی در پایتون با کتابخانه یادگیری عمیق «نامپای» (NumPy) و «کرس» (Keras)
– روش محاسبه امتیاز ادراکی برای تصاویر کوچک مانند مواردی که در مجموعه داده CIFAR-۱۰ وجود دارند.
برای مطالعه بیشتر پیرامون GANها، مطالعه مطلب «شبکه های مولد تخاصمی (Generative Adversarial Networks) — به زبان ساده» و «آموزش یادگیری ماشین با مثالهای کاربردی ــ بخش هفتم» توصیه میشود.
🔸 امتیاز ادراکی چیست؟
امتیاز ادراکی یا به طور خلاصه IS، یک سنجه – مفعولی – برای ارزیابی کیفیت تصاویر تولید شده، به ویژه تصاویر مصنوعی خروجی مدلهای شبکه عصبی مولد است. امتیاز ادراکی اولین بار توسط «تیم سالیمانز» (Tim Salimans) و همکاران در سال ۲۰۱۶، در مقالهای با عنوان «روشهای بهبود یافته برای آموزش دادن شبکههای مولد تخاصمی» (Improved Techniques for Training GANs) منتشر شد. در مقاله مذکور، نویسنده از یک پلتفرم جمعسپاری شده (Crowd-Sourcing Platform)، یعنی «Amazon Mechanical Turk» برای ارزیابی تعداد زیادی از تصاویر تولید شده توسط GANها استفاده کرده است. آنها، امتیاز ادراکی را طی تلاشهای خود برای حذف ارزیابی عامل انسانی معرفی کردند. نویسندگان این مقاله کشف کردهاند که امتیاز به دست آمده توسط آنها، با ارزیابی فاعلی مرتبط است. در کتاب «روشهای بهبود یافته برای آموزش دادن شبکههای مولد تخاصمی» (چاپ ۲۰۱۶)، در این رابطه چنین آمده است:
امتیاز ادراکی شامل استفاده از مدل شبکه عصبی یادگیری عمیق از پیش آموزش داده شده برای دستهبندی تصاویر، به منظور دستهبندی تصاویر تولید شده توسط GANها میشود. به طور مشخص، مدل Inception v۳ توسط «کریستین سزگدی» (Christian Szegedy) و همکاران در مقالهای در سال ۲۰۱۵ با عنوان «بازنگری معماری ادراکی برای بینایی کامپیوتری» (Rethinking the Inception Architecture for Computer Vision) معرفی شد. با تکیه بر «مدل ادراکی»، نام «امتیاز ادراکی» نیز برای آن برگزیده شد. تعداد زیادی از تصاویر تولید شده با استفاده از مدل، دستهبندی شدهاند. به طور ویژه، احتمال آنکه یک تصویر به هر کلاس تعلق داشته باشد، پیشبینی میشود. سپس، این پیشبینیها در امتیاز ادراکی خلاصه شدهاند.
مطالعه ادامه مطلب 👇👇
🔗 امتیاز ادراکی (Inception Score) برای ارزیابی GANها — راهنمای کاربردی — کلیک کنید (+)
📌 کانال اختصاصی آموزشی هوش مصنوعی و علم داده
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی هوش مصنوعی و علم داده را در کانال اختصاصی [@FaraAI] دنبال کنید. 👇
@FaraAI — مطالب و آموزشهای هوش مصنوعی و علم داده فرادرس
✳️ امتیاز ادراکی (Inception Score) برای ارزیابی GANها — راهنمای کاربردی
در این مطلب، امتیاز ادراکی (Inception Score) برای ارزیابی GANها مورد بررسی قرار گرفته است. در این راستا، ابتدا مفهوم امتیاز ادراکی بیان و سپس، چگونگی محاسبه آن مورد بررسی قرار میگیرد. در ادامه مطلب، روش پیادهسازی امتیاز ادراکی با استفاده از کتابخانههای پایتون «نامپای» (NumPy) و «کرس» (Keras) بررسی و در نهایت، مشکلات امتیاز ادراکی بیان میشود.
══ فهرست مطالب ══
○ امتیاز ادراکی (Inception Score) برای ارزیابی GANها
○ امتیاز ادراکی چیست؟
○ روش محاسبه امتیاز ادراکی
○ روش پیادهسازی امتیاز ادراکی با نامپای
○ روش پیادهسازی امتیاز ادراکی با کرس
○ مشکلات موجود پیرامون امتیاز ادراکی
🔸 امتیاز ادراکی (Inception Score) برای ارزیابی GANها
«شبکههای مولد تخاصمی» (Generative Adversarial Networks | GANs)، یک معماری «شبکه عصبی یادگیری عمیق» (Deep Learning Neural Network) برای آموزش دادن یک مدل مولد جهت تولید تصاویر مصنوعی است. مشکلی که پیرامون مدلهای مولد وجود دارد آن است که هیچ راه هدفمندی برای ارزیابی کیفیت تصاویر تولید شده توسط آنها، وجود ندارد. متداول است که تصاویر طی فرایند آموزش دادن مدل، به طور دورهای تولید و ذخیره شوند و از عامل انسانی برای ارزیابی تصاویر تولید شده و انتخاب مدل نهایی استفاده میشود.
تاکنون، تلاشهای زیادی برای ایجاد یک سنجه جهت ارزیابی تصاویر تولید شده انجام شده است. یک نمونه اولیه که توسط بخش زیادی نیز پذیرفته شده، «امتیاز ادراکی» (Inception Score | IS) است. در این راهنما، امتیاز ادراکی برای ارزیابی شبکههای مولد تخاصمی مورد بررسی قرار گرفته است. همانطور که پیش از این نیز بیان شد، از این امتیاز برای ارزیابی کیفیت تصاویر تولید شده توسط شبکههای مولد تخاصمی استفاده میشود. در این مطلب، مباحث زیر مورد بررسی قرار خواهند گرفت:
– روش محاسبه امتیاز ادراکی و بینش نهفته در پس آنچه محاسبه میکند.
– چگونگی پیادهسازی امتیاز ادراکی در پایتون با کتابخانه یادگیری عمیق «نامپای» (NumPy) و «کرس» (Keras)
– روش محاسبه امتیاز ادراکی برای تصاویر کوچک مانند مواردی که در مجموعه داده CIFAR-۱۰ وجود دارند.
برای مطالعه بیشتر پیرامون GANها، مطالعه مطلب «شبکه های مولد تخاصمی (Generative Adversarial Networks) — به زبان ساده» و «آموزش یادگیری ماشین با مثالهای کاربردی ــ بخش هفتم» توصیه میشود.
🔸 امتیاز ادراکی چیست؟
امتیاز ادراکی یا به طور خلاصه IS، یک سنجه – مفعولی – برای ارزیابی کیفیت تصاویر تولید شده، به ویژه تصاویر مصنوعی خروجی مدلهای شبکه عصبی مولد است. امتیاز ادراکی اولین بار توسط «تیم سالیمانز» (Tim Salimans) و همکاران در سال ۲۰۱۶، در مقالهای با عنوان «روشهای بهبود یافته برای آموزش دادن شبکههای مولد تخاصمی» (Improved Techniques for Training GANs) منتشر شد. در مقاله مذکور، نویسنده از یک پلتفرم جمعسپاری شده (Crowd-Sourcing Platform)، یعنی «Amazon Mechanical Turk» برای ارزیابی تعداد زیادی از تصاویر تولید شده توسط GANها استفاده کرده است. آنها، امتیاز ادراکی را طی تلاشهای خود برای حذف ارزیابی عامل انسانی معرفی کردند. نویسندگان این مقاله کشف کردهاند که امتیاز به دست آمده توسط آنها، با ارزیابی فاعلی مرتبط است. در کتاب «روشهای بهبود یافته برای آموزش دادن شبکههای مولد تخاصمی» (چاپ ۲۰۱۶)، در این رابطه چنین آمده است:
امتیاز ادراکی شامل استفاده از مدل شبکه عصبی یادگیری عمیق از پیش آموزش داده شده برای دستهبندی تصاویر، به منظور دستهبندی تصاویر تولید شده توسط GANها میشود. به طور مشخص، مدل Inception v۳ توسط «کریستین سزگدی» (Christian Szegedy) و همکاران در مقالهای در سال ۲۰۱۵ با عنوان «بازنگری معماری ادراکی برای بینایی کامپیوتری» (Rethinking the Inception Architecture for Computer Vision) معرفی شد. با تکیه بر «مدل ادراکی»، نام «امتیاز ادراکی» نیز برای آن برگزیده شد. تعداد زیادی از تصاویر تولید شده با استفاده از مدل، دستهبندی شدهاند. به طور ویژه، احتمال آنکه یک تصویر به هر کلاس تعلق داشته باشد، پیشبینی میشود. سپس، این پیشبینیها در امتیاز ادراکی خلاصه شدهاند.
مطالعه ادامه مطلب 👇👇
🔗 امتیاز ادراکی (Inception Score) برای ارزیابی GANها — راهنمای کاربردی — کلیک کنید (+)
📌 کانال اختصاصی آموزشی هوش مصنوعی و علم داده
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی هوش مصنوعی و علم داده را در کانال اختصاصی [@FaraAI] دنبال کنید. 👇
@FaraAI — مطالب و آموزشهای هوش مصنوعی و علم داده فرادرس
❤1
✳️ دور زدن کپچا با شبکه عصبی پیچشی در پایتون — راهنمای گام به گام
مکانیزم «کپچا» (CAPTCHA) که مخفف اصطلاح «مکانیزم کاملا خودکار شده و عمومی تورینگ جهت تمایز قائل شدن میان انسان و کامپیوتر» (Completely Automated Public Turing to tell Computers and Humans Apart) است، یک مکانیزم امنیتی به شمار میآید که در بسترهای آنلاین و برای تشخیص انسان یا ربات بودن متقاضی سرویس اینترنتی بهکار میرود.
══ فهرست مطالب ══
○ ساختن مدل یادگیری برای دور زدن کپچا
○ آمادهسازی دادههای آموزشی
○ ساختن و آموزش مدل شبکه عصبی پیچشی برای دور زدن کپچا
○ جمعبندی
🔸 ساختن مدل یادگیری برای دور زدن کپچا
جهت تشخیص متنهای موجود در تصاویر کپچا، از مدلهای «شبکه عصبی پیچشی» (Convolutional Neural Network) استفاده خواهد شد. مدل شبکه عصبی پیچشی روی تصاویر مربوط به حروف موجود در تصاویر کپچا آموزش خواهید دید. برای ساختن مدل یادگیری لازم برای دور زدن کپچا، لازم است تا ابتدا هر کدام از حروف موجود در تصاویر جداسازی شوند و برای آموزش شبکه عصبی پیچشی، مورد پردازش قرار بگیرند. پس از آموزش شبکه عصبی پیچشی روی تصاویر مربوط به حروف موجود در تصاویر، مدل قادر خواهد بود تا «تصاویر کپچای دیده نشده» (Unseen CAPTCHA Images) را به عنوان ورودی دریافت کند و متنهای موجود در آنها را تشخیص دهد.
همانطور که پیش از این نیز اشاره شد، برای استخراج متن از تصاویر و دور زدن کپچا، از کتابخانههای Keras و openCV در زبان برنامهنویسی پایتون استفاده خواهد شد.
🔸 آمادهسازی دادههای آموزشی
اولین قدم برای پیادهسازی مدل شبکه عصبی پیچشی، آمادهسازی دادههای لازم برای آموزش مدل یادگیری است. برای چنین کاری، هر کدام از تصاویر موجود در مجموعه داده آموزشی، به ترتیب وارد سیستم میشوند. سپس، حروف موجود در تصاویر جداسازی و به عنوان یک فایل تصویری جدید ذخیره میشوند. همانطور که در تصویر بالا نیز قابل مشاهده است، ساختار مجموعه داده آموزشی و تست به این گونه است که نام انتخاب شده برای هر کدام از تصاویر، نمایش دهنده حروف موجود در تصویر است.
بنابراین، در مرحله اول از پیادهسازی شبکه عصبی پیچشی جهت دور زدن کپچا و هک کردن آن، تمامی «وابستگیهای برنامهنویسی» (Programming Dependencies) بارگیری و تصاویر توسط کتابخانه openCV در محیط برنامهنویسی پایتون خوانده خواهند شد.
در هنگام بررسی تصاویر موجود در مجموعه آموزشی، مشاهده شده است که بعضا حروف موجود در تصاویر کپچا، به «مرز» (Border) تصویر بسیار نزدیک هستند. چنین نقیصهای ممکن است فرایند تشخیص حرفهای موجود در تصاویر را با اختلال مواجه کند. برای رفع چنین نقیصهای در تصاویر کپچا، از فرایند «لایهگذاری» (Padding) استفاده میشود تا دو پیکسل به حاشیه تصاویر اضافه شود.
مطالعه ادامه مطلب 👇👇
🔗 دور زدن کپچا با شبکه عصبی پیچشی در پایتون — راهنمای گام به گام — کلیک کنید (+)
📌 کانال اختصاصی آموزشی هوش مصنوعی و علم داده
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی هوش مصنوعی و علم داده را در کانال اختصاصی [@FaraAI] دنبال کنید. 👇
@FaraAI — مطالب و آموزشهای هوش مصنوعی و علم داده فرادرس
✳️ دور زدن کپچا با شبکه عصبی پیچشی در پایتون — راهنمای گام به گام
مکانیزم «کپچا» (CAPTCHA) که مخفف اصطلاح «مکانیزم کاملا خودکار شده و عمومی تورینگ جهت تمایز قائل شدن میان انسان و کامپیوتر» (Completely Automated Public Turing to tell Computers and Humans Apart) است، یک مکانیزم امنیتی به شمار میآید که در بسترهای آنلاین و برای تشخیص انسان یا ربات بودن متقاضی سرویس اینترنتی بهکار میرود.
══ فهرست مطالب ══
○ ساختن مدل یادگیری برای دور زدن کپچا
○ آمادهسازی دادههای آموزشی
○ ساختن و آموزش مدل شبکه عصبی پیچشی برای دور زدن کپچا
○ جمعبندی
🔸 ساختن مدل یادگیری برای دور زدن کپچا
جهت تشخیص متنهای موجود در تصاویر کپچا، از مدلهای «شبکه عصبی پیچشی» (Convolutional Neural Network) استفاده خواهد شد. مدل شبکه عصبی پیچشی روی تصاویر مربوط به حروف موجود در تصاویر کپچا آموزش خواهید دید. برای ساختن مدل یادگیری لازم برای دور زدن کپچا، لازم است تا ابتدا هر کدام از حروف موجود در تصاویر جداسازی شوند و برای آموزش شبکه عصبی پیچشی، مورد پردازش قرار بگیرند. پس از آموزش شبکه عصبی پیچشی روی تصاویر مربوط به حروف موجود در تصاویر، مدل قادر خواهد بود تا «تصاویر کپچای دیده نشده» (Unseen CAPTCHA Images) را به عنوان ورودی دریافت کند و متنهای موجود در آنها را تشخیص دهد.
همانطور که پیش از این نیز اشاره شد، برای استخراج متن از تصاویر و دور زدن کپچا، از کتابخانههای Keras و openCV در زبان برنامهنویسی پایتون استفاده خواهد شد.
🔸 آمادهسازی دادههای آموزشی
اولین قدم برای پیادهسازی مدل شبکه عصبی پیچشی، آمادهسازی دادههای لازم برای آموزش مدل یادگیری است. برای چنین کاری، هر کدام از تصاویر موجود در مجموعه داده آموزشی، به ترتیب وارد سیستم میشوند. سپس، حروف موجود در تصاویر جداسازی و به عنوان یک فایل تصویری جدید ذخیره میشوند. همانطور که در تصویر بالا نیز قابل مشاهده است، ساختار مجموعه داده آموزشی و تست به این گونه است که نام انتخاب شده برای هر کدام از تصاویر، نمایش دهنده حروف موجود در تصویر است.
بنابراین، در مرحله اول از پیادهسازی شبکه عصبی پیچشی جهت دور زدن کپچا و هک کردن آن، تمامی «وابستگیهای برنامهنویسی» (Programming Dependencies) بارگیری و تصاویر توسط کتابخانه openCV در محیط برنامهنویسی پایتون خوانده خواهند شد.
در هنگام بررسی تصاویر موجود در مجموعه آموزشی، مشاهده شده است که بعضا حروف موجود در تصاویر کپچا، به «مرز» (Border) تصویر بسیار نزدیک هستند. چنین نقیصهای ممکن است فرایند تشخیص حرفهای موجود در تصاویر را با اختلال مواجه کند. برای رفع چنین نقیصهای در تصاویر کپچا، از فرایند «لایهگذاری» (Padding) استفاده میشود تا دو پیکسل به حاشیه تصاویر اضافه شود.
مطالعه ادامه مطلب 👇👇
🔗 دور زدن کپچا با شبکه عصبی پیچشی در پایتون — راهنمای گام به گام — کلیک کنید (+)
📌 کانال اختصاصی آموزشی هوش مصنوعی و علم داده
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی هوش مصنوعی و علم داده را در کانال اختصاصی [@FaraAI] دنبال کنید. 👇
@FaraAI — مطالب و آموزشهای هوش مصنوعی و علم داده فرادرس
👍1
✳️ پیدا کردن خط عبور با روش های بینایی کامپیوتر — راهنمای کاربردی
وسایل نقلیه خودران، فرصتهای جذاب و بینظیری را در زمینههای گوناگون و از جمله، حوزههای فنی فراهم کردهاند. در این مطلب، یکی از مسائل مرتبط با وسایل نقلیه خودران یعنی پیدا کردن خط عبور با روش های بینایی کامپیوتری مورد بررسی قرار خواهد گرفت.
══ فهرست مطالب ══
○ پیدا کردن خط عبور با روش های بینایی کامپیوتر
○ حل مسئله پیدا کردن خط عبور
🔸 پیدا کردن خط عبور با روش های بینایی کامپیوتر
منظور و هدف از پیدا کردن خط عبور با روش های بینایی کامپیوتر (Computer Vision)، دریافت ویدئو از رانندگی در بزرگراه و ترسیم خط عبور خودرو با ساخت یک سلسله مراتب تصویر برای شناسایی و ترسیم بینهایت علامتهای خط عبور (ترابری) است.
🔸 حل مسئله پیدا کردن خط عبور
در ادامه، مراحل انجام کار پیدا کردن خط عبور با روش های بینایی کامپیوتر بیان شده است. شایان توجه است که روشهای گوناگونی برای این کار وجود دارند و در اینجا، صرفا یکی از راهکارها مورد بررسی قرار گرفته است. مراحل رویکرد مورد استفاده در اینجا، در ادامه آمده است.
– استخراج پیکسلهای مربوط به سفید و زرد از قاب ویدئویی داده شده
– تبدیل تصویر به یک تصویر سیاه و سفید و اعمال جزئی «تاری گاوسی» (Gaussian Blur)
– محاسبه مرزها با استفاده از «آشکارساز لبه کنی» (Canny Edge Detector)
– اعمال ماسک خاص منطقهای برای آنکه تمرکز صرفا بر جلوی خودرو باشد.
– اجرای «تبدیل هاف» (Hough Transform) برای شناسایی خطوط سر راست
– تقسیم کردن خطوط به دو دسته خطوط راست و چپ بر اساس شیب آنها
– محاسبه نقطه محل تقاطعی خط و نقاط طول از مبدا x
– پیگیری آخرین نقاط تقاطع خطوط و نقاط طول از مبدا x در عین هموارسازی از یک فرم به فرم دیگر
– ترسیم تقاطع هموار شده و نقاط طول از مبدا x روی قاب
ویدئوی مورد استفاده در این مطلب، در ادامه آمده است.
برای شروع کار، به نقش این مرحله در انجام این کار و اهمیت آن پرداخته میشود. اگر مستقیم به سراغ «تشخیص لبهها» (Edge Detection) و محاسبه خطوط رفته شود، بدون آنکه ابتدا رنگهایی که برای کاربر اهمیت دارند استخراج شوند، لبههای حاصل شده در خروجی ممکن است چیزی شبیه تصویر زیر باشند.
مطالعه ادامه مطلب 👇👇
🔗 پیدا کردن خط عبور با روش های بینایی کامپیوتر — راهنمای کاربردی — کلیک کنید (+)
📌 کانال اختصاصی آموزشی هوش مصنوعی و علم داده
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی هوش مصنوعی و علم داده را در کانال اختصاصی [@FaraAI] دنبال کنید. 👇
@FaraAI — مطالب و آموزشهای هوش مصنوعی و علم داده فرادرس
✳️ پیدا کردن خط عبور با روش های بینایی کامپیوتر — راهنمای کاربردی
وسایل نقلیه خودران، فرصتهای جذاب و بینظیری را در زمینههای گوناگون و از جمله، حوزههای فنی فراهم کردهاند. در این مطلب، یکی از مسائل مرتبط با وسایل نقلیه خودران یعنی پیدا کردن خط عبور با روش های بینایی کامپیوتری مورد بررسی قرار خواهد گرفت.
══ فهرست مطالب ══
○ پیدا کردن خط عبور با روش های بینایی کامپیوتر
○ حل مسئله پیدا کردن خط عبور
🔸 پیدا کردن خط عبور با روش های بینایی کامپیوتر
منظور و هدف از پیدا کردن خط عبور با روش های بینایی کامپیوتر (Computer Vision)، دریافت ویدئو از رانندگی در بزرگراه و ترسیم خط عبور خودرو با ساخت یک سلسله مراتب تصویر برای شناسایی و ترسیم بینهایت علامتهای خط عبور (ترابری) است.
🔸 حل مسئله پیدا کردن خط عبور
در ادامه، مراحل انجام کار پیدا کردن خط عبور با روش های بینایی کامپیوتر بیان شده است. شایان توجه است که روشهای گوناگونی برای این کار وجود دارند و در اینجا، صرفا یکی از راهکارها مورد بررسی قرار گرفته است. مراحل رویکرد مورد استفاده در اینجا، در ادامه آمده است.
– استخراج پیکسلهای مربوط به سفید و زرد از قاب ویدئویی داده شده
– تبدیل تصویر به یک تصویر سیاه و سفید و اعمال جزئی «تاری گاوسی» (Gaussian Blur)
– محاسبه مرزها با استفاده از «آشکارساز لبه کنی» (Canny Edge Detector)
– اعمال ماسک خاص منطقهای برای آنکه تمرکز صرفا بر جلوی خودرو باشد.
– اجرای «تبدیل هاف» (Hough Transform) برای شناسایی خطوط سر راست
– تقسیم کردن خطوط به دو دسته خطوط راست و چپ بر اساس شیب آنها
– محاسبه نقطه محل تقاطعی خط و نقاط طول از مبدا x
– پیگیری آخرین نقاط تقاطع خطوط و نقاط طول از مبدا x در عین هموارسازی از یک فرم به فرم دیگر
– ترسیم تقاطع هموار شده و نقاط طول از مبدا x روی قاب
ویدئوی مورد استفاده در این مطلب، در ادامه آمده است.
برای شروع کار، به نقش این مرحله در انجام این کار و اهمیت آن پرداخته میشود. اگر مستقیم به سراغ «تشخیص لبهها» (Edge Detection) و محاسبه خطوط رفته شود، بدون آنکه ابتدا رنگهایی که برای کاربر اهمیت دارند استخراج شوند، لبههای حاصل شده در خروجی ممکن است چیزی شبیه تصویر زیر باشند.
مطالعه ادامه مطلب 👇👇
🔗 پیدا کردن خط عبور با روش های بینایی کامپیوتر — راهنمای کاربردی — کلیک کنید (+)
📌 کانال اختصاصی آموزشی هوش مصنوعی و علم داده
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی هوش مصنوعی و علم داده را در کانال اختصاصی [@FaraAI] دنبال کنید. 👇
@FaraAI — مطالب و آموزشهای هوش مصنوعی و علم داده فرادرس
Forwarded from FaraDars | فرادرس
🚀 اپلیکیشن فرادرس منتشر شد‼️
📱 اپلیکیشن آموزشی فرادرس، در گوگل پلی منتشر شد و هماکنون در دسترس عموم است.
⭕️ با دانلود و نصب اپلیکیشن فرادرس، کاربران موبایل میتوانند با سادگی بیشتر و تجربهای بهتر، آموزشهای مورد نظر خود را از فرادرس جستوجو و مشاهده کنند.
✔️ برخی از قابلیتهای اپلیکیشن:
✓ امکان جستجو در کتابخانه آموزشهای ویدئویی با بیش از ۵,۰۰۰ عنوان آموزش (۱۹,۰۰۰ ساعت آموزش)
✓مشاهده فهرست جدیدترین آموزشها، آموزشهای پرمخاطب، وبینارها و آموزشهای رایگان به صورت دستهبندی شده
✓ دسترسی به آموزشهای رایگان فرادرس و مشاهده آنها
✓ قابلیت جستجوی پیشرفته در کتابخانه آموزشهای فرادرس با تعیین فیلترهای خاص
✓امکان مشاهده دورههای تهیه شده توسط کاربر در پلیر سازگار با موبایل
✓ امکان ورود به پنل کاربری، ویرایش پروفایل و شارژ حساب
📲 با نصب این اپلیکیشن، میتوانید آموزشهای مورد علاقه خود را ذخیره و در فرصت مناسبتر آنها را با دقت مشاهده کنید.
📌 دریافت اپلیکیشن فرادرس از گوگل پلی (+)
📚 فرادرس | دانش در دسترس همه؛ همیشه و همه جا
@FaraDars — فرادرس
🚀 اپلیکیشن فرادرس منتشر شد‼️
📱 اپلیکیشن آموزشی فرادرس، در گوگل پلی منتشر شد و هماکنون در دسترس عموم است.
⭕️ با دانلود و نصب اپلیکیشن فرادرس، کاربران موبایل میتوانند با سادگی بیشتر و تجربهای بهتر، آموزشهای مورد نظر خود را از فرادرس جستوجو و مشاهده کنند.
✔️ برخی از قابلیتهای اپلیکیشن:
✓ امکان جستجو در کتابخانه آموزشهای ویدئویی با بیش از ۵,۰۰۰ عنوان آموزش (۱۹,۰۰۰ ساعت آموزش)
✓مشاهده فهرست جدیدترین آموزشها، آموزشهای پرمخاطب، وبینارها و آموزشهای رایگان به صورت دستهبندی شده
✓ دسترسی به آموزشهای رایگان فرادرس و مشاهده آنها
✓ قابلیت جستجوی پیشرفته در کتابخانه آموزشهای فرادرس با تعیین فیلترهای خاص
✓امکان مشاهده دورههای تهیه شده توسط کاربر در پلیر سازگار با موبایل
✓ امکان ورود به پنل کاربری، ویرایش پروفایل و شارژ حساب
📲 با نصب این اپلیکیشن، میتوانید آموزشهای مورد علاقه خود را ذخیره و در فرصت مناسبتر آنها را با دقت مشاهده کنید.
📌 دریافت اپلیکیشن فرادرس از گوگل پلی (+)
📚 فرادرس | دانش در دسترس همه؛ همیشه و همه جا
@FaraDars — فرادرس
👍3
✳️ رگرسیون خطی چندگانه (Multiple Linear Regression) برای پایگاههای داده مبتنی گراف
در این نوشته به شما نشان خواهیم داد که چگونه میتوانید با استفاده از یک مجموعه رویههای تعریف شده از سوی کاربر، یک مدل رگرسیون خطی با چندین متغیر مستقل برای مجموعه دادههایی در خصوص املاک برای اجاره کوتاهمدت بسازید. چنین رگرسیونهایی بنام رگرسیون خطی چندگانه نامیده میشوند.
══ فهرست مطالب ══
○ پیشزمینه
○ انواع مختلف رگرسیونهای خطی چندگانه
○ کاربرد عملی رگرسیون خطی چندگانه
○ یک گام به پس
○ خلاصه
🔸 پیشزمینه
پیش از آن که بخواهیم به بررسی بازار املاک اجارهای آستین بپردازیم، برخی جزییات مهم رگرسیون خطی چندگانه را بررسی میکنیم. به خاطر داشته باشید که در رگرسیون خطی ساده قصد ما این است که متغیر وابسته یعنی y را با استفاده از مقدار یک متغیر منفرد مستقل به نام x پیشبینی کنیم. اما در رگرسیون خطی چندگانه قصد بر این است که از متغیرهای چندگانه مستقل (x۱, x۲, …,xp) برای پیشبینی متغیر وابسته y استفاده شود.
درک بصری رگرسیون خطی چندگانه اندکی دشوارتر است و به تعداد متغیرهای مستقل (p) بستگی دارد. اگر p=۱ باشد، رگرسیون چندگانه به یک رگرسیون خطی ساده تبدیل میشود و نقاط دادهای (x۱,y) بر روی یک سیستم مختصات دوبعدی استاندارد (با محورهای x و y) قرار میگیرد. رگرسیون خطی را که بیشترین برازش را بر روی همه دادهها دارد مییابد.
اگر p=۲ باشد، نقاط دادهای (x۱,x۲,y) در یک سیستم مختصات ۳ بعدی (با محورهای x، y و z) قرار میگیرد و رگرسیون خطی چندگانه صفحهای که بیشترین برازش را روی همه نقاط دادهای دارد مییابد.
🔸 انواع مختلف رگرسیونهای خطی چندگانه
میبایست توجه کنید که دو نوع رگرسیون خطی چندگانه وجود دارد، یکی کمترین مربعات معمولی (OLS) و دیگری کمترین مربعات تعمیم یافته (GLS) است. تفاوت اصلی بین این دو نوع آن است که در OLS فرض میشود همبستگی قوی بین هیچ دو متغیر مستقل وجود ندارد. GLS با متغیرهای مستقل همبسته سروکار دارد و در آن ابتدا دادهها تبدیل میشوند و سپس از OLS برای ساخت مدلی از دادههای تبدیل یافته استفاده میشود.
هر دو رویههای فوق از OLS استفاده میکنند. از این رو برای ساخت یک مدل موفق ابتدا باید در مورد رابطه بین متغیرها به خوبی اندیشه کنید. شاید درست نباشد که تعداد اتاق خواب bedrooms و فضای موجود accommodates را به عنوان دو متغیر مستقل از هم در نظر بگیریم چون مشخص است که تعداد اتاقهای خواب یک بنا با فضای موجود آن همبستگی کامل دارند. از سوی دیگر رابطه منطقی روشنی بین تعداد نظرات و تعداد اتاقهای خواب یک بنا وجود ندارد. برای تحلیل کمّیتر میتوانید متغیرهای مستقل را طوری انتخاب کنید که هر جفت ضریب همبستگی پیرسون نزدیک به صفر داشته باشند.
مطالعه ادامه مطلب 👇👇
🔗 رگرسیون خطی چندگانه (Multiple Linear Regression) برای پایگاه های داده مبتنی گراف — به زبان ساده — کلیک کنید (+)
📌 کانال اختصاصی آموزشی هوش مصنوعی و علم داده
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی هوش مصنوعی و علم داده را در کانال اختصاصی [@FaraAI] دنبال کنید. 👇
@FaraAI — مطالب و آموزشهای هوش مصنوعی و علم داده فرادرس
✳️ رگرسیون خطی چندگانه (Multiple Linear Regression) برای پایگاههای داده مبتنی گراف
در این نوشته به شما نشان خواهیم داد که چگونه میتوانید با استفاده از یک مجموعه رویههای تعریف شده از سوی کاربر، یک مدل رگرسیون خطی با چندین متغیر مستقل برای مجموعه دادههایی در خصوص املاک برای اجاره کوتاهمدت بسازید. چنین رگرسیونهایی بنام رگرسیون خطی چندگانه نامیده میشوند.
══ فهرست مطالب ══
○ پیشزمینه
○ انواع مختلف رگرسیونهای خطی چندگانه
○ کاربرد عملی رگرسیون خطی چندگانه
○ یک گام به پس
○ خلاصه
🔸 پیشزمینه
پیش از آن که بخواهیم به بررسی بازار املاک اجارهای آستین بپردازیم، برخی جزییات مهم رگرسیون خطی چندگانه را بررسی میکنیم. به خاطر داشته باشید که در رگرسیون خطی ساده قصد ما این است که متغیر وابسته یعنی y را با استفاده از مقدار یک متغیر منفرد مستقل به نام x پیشبینی کنیم. اما در رگرسیون خطی چندگانه قصد بر این است که از متغیرهای چندگانه مستقل (x۱, x۲, …,xp) برای پیشبینی متغیر وابسته y استفاده شود.
درک بصری رگرسیون خطی چندگانه اندکی دشوارتر است و به تعداد متغیرهای مستقل (p) بستگی دارد. اگر p=۱ باشد، رگرسیون چندگانه به یک رگرسیون خطی ساده تبدیل میشود و نقاط دادهای (x۱,y) بر روی یک سیستم مختصات دوبعدی استاندارد (با محورهای x و y) قرار میگیرد. رگرسیون خطی را که بیشترین برازش را بر روی همه دادهها دارد مییابد.
اگر p=۲ باشد، نقاط دادهای (x۱,x۲,y) در یک سیستم مختصات ۳ بعدی (با محورهای x، y و z) قرار میگیرد و رگرسیون خطی چندگانه صفحهای که بیشترین برازش را روی همه نقاط دادهای دارد مییابد.
🔸 انواع مختلف رگرسیونهای خطی چندگانه
میبایست توجه کنید که دو نوع رگرسیون خطی چندگانه وجود دارد، یکی کمترین مربعات معمولی (OLS) و دیگری کمترین مربعات تعمیم یافته (GLS) است. تفاوت اصلی بین این دو نوع آن است که در OLS فرض میشود همبستگی قوی بین هیچ دو متغیر مستقل وجود ندارد. GLS با متغیرهای مستقل همبسته سروکار دارد و در آن ابتدا دادهها تبدیل میشوند و سپس از OLS برای ساخت مدلی از دادههای تبدیل یافته استفاده میشود.
هر دو رویههای فوق از OLS استفاده میکنند. از این رو برای ساخت یک مدل موفق ابتدا باید در مورد رابطه بین متغیرها به خوبی اندیشه کنید. شاید درست نباشد که تعداد اتاق خواب bedrooms و فضای موجود accommodates را به عنوان دو متغیر مستقل از هم در نظر بگیریم چون مشخص است که تعداد اتاقهای خواب یک بنا با فضای موجود آن همبستگی کامل دارند. از سوی دیگر رابطه منطقی روشنی بین تعداد نظرات و تعداد اتاقهای خواب یک بنا وجود ندارد. برای تحلیل کمّیتر میتوانید متغیرهای مستقل را طوری انتخاب کنید که هر جفت ضریب همبستگی پیرسون نزدیک به صفر داشته باشند.
مطالعه ادامه مطلب 👇👇
🔗 رگرسیون خطی چندگانه (Multiple Linear Regression) برای پایگاه های داده مبتنی گراف — به زبان ساده — کلیک کنید (+)
📌 کانال اختصاصی آموزشی هوش مصنوعی و علم داده
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی هوش مصنوعی و علم داده را در کانال اختصاصی [@FaraAI] دنبال کنید. 👇
@FaraAI — مطالب و آموزشهای هوش مصنوعی و علم داده فرادرس
✳️ پیدا کردن خط عبور با روش های بینایی کامپیوتر — راهنمای کاربردی
وسایل نقلیه خودران، فرصتهای جذاب و بینظیری را در زمینههای گوناگون و از جمله، حوزههای فنی فراهم کردهاند. در این مطلب، یکی از مسائل مرتبط با وسایل نقلیه خودران یعنی پیدا کردن خط عبور با روش های بینایی کامپیوتری مورد بررسی قرار خواهد گرفت.
══ فهرست مطالب ══
○ پیدا کردن خط عبور با روش های بینایی کامپیوتر
○ حل مسئله پیدا کردن خط عبور
🔸 پیدا کردن خط عبور با روش های بینایی کامپیوتر
منظور و هدف از پیدا کردن خط عبور با روش های بینایی کامپیوتر (Computer Vision)، دریافت ویدئو از رانندگی در بزرگراه و ترسیم خط عبور خودرو با ساخت یک سلسله مراتب تصویر برای شناسایی و ترسیم بینهایت علامتهای خط عبور (ترابری) است.
🔸 حل مسئله پیدا کردن خط عبور
در ادامه، مراحل انجام کار پیدا کردن خط عبور با روش های بینایی کامپیوتر بیان شده است. شایان توجه است که روشهای گوناگونی برای این کار وجود دارند و در اینجا، صرفا یکی از راهکارها مورد بررسی قرار گرفته است. مراحل رویکرد مورد استفاده در اینجا، در ادامه آمده است.
– استخراج پیکسلهای مربوط به سفید و زرد از قاب ویدئویی داده شده
– تبدیل تصویر به یک تصویر سیاه و سفید و اعمال جزئی «تاری گاوسی» (Gaussian Blur)
– محاسبه مرزها با استفاده از «آشکارساز لبه کنی» (Canny Edge Detector)
– اعمال ماسک خاص منطقهای برای آنکه تمرکز صرفا بر جلوی خودرو باشد
– اجرای «تبدیل هاف» (Hough Transform) برای شناسایی خطوط سر راست
– تقسیم کردن خطوط به دو دسته خطوط راست و چپ بر اساس شیب آنها
– محاسبه نقطه محل تقاطعی خط و نقاط طول از مبدا x
– پیگیری آخرین نقاط تقاطع خطوط و نقاط طول از مبدا x در عین هموارسازی از یک فرم به فرم دیگر
– ترسیم تقاطع هموار شده و نقاط طول از مبدا x روی قاب
ویدئوی مورد استفاده در این مطلب، در ادامه آمده است
برای شروع کار، به نقش این مرحله در انجام این کار و اهمیت آن پرداخته میشود. اگر مستقیم به سراغ «تشخیص لبهها» (Edge Detection) و محاسبه خطوط رفته شود، بدون آنکه ابتدا رنگهایی که برای کاربر اهمیت دارند استخراج شوند، لبههای حاصل شده در خروجی ممکن است چیزی شبیه تصویر زیر باشند.
مطالعه ادامه مطلب 👇👇
🔗 پیدا کردن خط عبور با روش های بینایی کامپیوتر — راهنمای کاربردی — کلیک کنید (+)
📌 کانال اختصاصی آموزشی هوش مصنوعی و علم داده
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی هوش مصنوعی و علم داده را در کانال اختصاصی [@FaraAI] دنبال کنید. 👇
@FaraAI — مطالب و آموزشهای هوش مصنوعی و علم داده فرادرس
✳️ پیدا کردن خط عبور با روش های بینایی کامپیوتر — راهنمای کاربردی
وسایل نقلیه خودران، فرصتهای جذاب و بینظیری را در زمینههای گوناگون و از جمله، حوزههای فنی فراهم کردهاند. در این مطلب، یکی از مسائل مرتبط با وسایل نقلیه خودران یعنی پیدا کردن خط عبور با روش های بینایی کامپیوتری مورد بررسی قرار خواهد گرفت.
══ فهرست مطالب ══
○ پیدا کردن خط عبور با روش های بینایی کامپیوتر
○ حل مسئله پیدا کردن خط عبور
🔸 پیدا کردن خط عبور با روش های بینایی کامپیوتر
منظور و هدف از پیدا کردن خط عبور با روش های بینایی کامپیوتر (Computer Vision)، دریافت ویدئو از رانندگی در بزرگراه و ترسیم خط عبور خودرو با ساخت یک سلسله مراتب تصویر برای شناسایی و ترسیم بینهایت علامتهای خط عبور (ترابری) است.
🔸 حل مسئله پیدا کردن خط عبور
در ادامه، مراحل انجام کار پیدا کردن خط عبور با روش های بینایی کامپیوتر بیان شده است. شایان توجه است که روشهای گوناگونی برای این کار وجود دارند و در اینجا، صرفا یکی از راهکارها مورد بررسی قرار گرفته است. مراحل رویکرد مورد استفاده در اینجا، در ادامه آمده است.
– استخراج پیکسلهای مربوط به سفید و زرد از قاب ویدئویی داده شده
– تبدیل تصویر به یک تصویر سیاه و سفید و اعمال جزئی «تاری گاوسی» (Gaussian Blur)
– محاسبه مرزها با استفاده از «آشکارساز لبه کنی» (Canny Edge Detector)
– اعمال ماسک خاص منطقهای برای آنکه تمرکز صرفا بر جلوی خودرو باشد
– اجرای «تبدیل هاف» (Hough Transform) برای شناسایی خطوط سر راست
– تقسیم کردن خطوط به دو دسته خطوط راست و چپ بر اساس شیب آنها
– محاسبه نقطه محل تقاطعی خط و نقاط طول از مبدا x
– پیگیری آخرین نقاط تقاطع خطوط و نقاط طول از مبدا x در عین هموارسازی از یک فرم به فرم دیگر
– ترسیم تقاطع هموار شده و نقاط طول از مبدا x روی قاب
ویدئوی مورد استفاده در این مطلب، در ادامه آمده است
برای شروع کار، به نقش این مرحله در انجام این کار و اهمیت آن پرداخته میشود. اگر مستقیم به سراغ «تشخیص لبهها» (Edge Detection) و محاسبه خطوط رفته شود، بدون آنکه ابتدا رنگهایی که برای کاربر اهمیت دارند استخراج شوند، لبههای حاصل شده در خروجی ممکن است چیزی شبیه تصویر زیر باشند.
مطالعه ادامه مطلب 👇👇
🔗 پیدا کردن خط عبور با روش های بینایی کامپیوتر — راهنمای کاربردی — کلیک کنید (+)
📌 کانال اختصاصی آموزشی هوش مصنوعی و علم داده
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی هوش مصنوعی و علم داده را در کانال اختصاصی [@FaraAI] دنبال کنید. 👇
@FaraAI — مطالب و آموزشهای هوش مصنوعی و علم داده فرادرس
✳️ آموزش مقدمهای در رابطه با یادگیری ماشین با پایتون (Python) (رایگان)
چکیده — امروزه، یادگیری ماشین در اکثر صنایع و کسب و کارها مورد استفاده قرار می گیرد و تصمیمات بسیار تاثیرگذار دنیای امروز بر اساس پردازش ها و نتایج به دست آمده از یادگیری ماشین است. همچنین زبان برنامه نویسی پایتون (Python) با رشد و گسترده تر شدن روزافزون جامعه کاربری اش، بستر بسیار مناسبی جهت فعالیت های یادگیری ماشین را فراهم کرده است.
کسب اطلاعات بیشتر 👇👇
🔗 آموزش مقدمه ای در رابطه با یادگیری ماشین با پایتون (Python) (رایگان) — کلیک کنید [+]
📌 کانال اختصاصی آموزشی هوش مصنوعی و علم داده
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی هوش مصنوعی و علم داده را در کانال اختصاصی [@FaraAI] دنبال کنید. 👇
@FaraAI — مطالب و آموزشهای هوش مصنوعی و علم داده فرادرس
✳️ آموزش مقدمهای در رابطه با یادگیری ماشین با پایتون (Python) (رایگان)
چکیده — امروزه، یادگیری ماشین در اکثر صنایع و کسب و کارها مورد استفاده قرار می گیرد و تصمیمات بسیار تاثیرگذار دنیای امروز بر اساس پردازش ها و نتایج به دست آمده از یادگیری ماشین است. همچنین زبان برنامه نویسی پایتون (Python) با رشد و گسترده تر شدن روزافزون جامعه کاربری اش، بستر بسیار مناسبی جهت فعالیت های یادگیری ماشین را فراهم کرده است.
کسب اطلاعات بیشتر 👇👇
🔗 آموزش مقدمه ای در رابطه با یادگیری ماشین با پایتون (Python) (رایگان) — کلیک کنید [+]
📌 کانال اختصاصی آموزشی هوش مصنوعی و علم داده
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی هوش مصنوعی و علم داده را در کانال اختصاصی [@FaraAI] دنبال کنید. 👇
@FaraAI — مطالب و آموزشهای هوش مصنوعی و علم داده فرادرس
👍2
✨ در کانالهای موضوعی و تخصصیِ فرادرس، چه مطالبی به صورت رایگان ارائه میشود؟
🔹 جدیدترین و بهروز ترین مقالات آموزشی در رشتههای مختلف تحصیلی و تخصصی
🔹 خلاصه دروس دانشگاهی
🔹 مطالب جذاب علمی و ویدئوهای آموزشی
🔹 آموزش مهارتهای کاربردی
🌟 برای دسترسی سریعتر به مطالب و مقالات آموزشی رایگان فرادرس، عضو کانال مورد نظر خود شوید👇👇👇
📌کانال آموزشی برنامهنویسی:
@FaraProg
📌کانال آموزشی برنامهنویسی پایتون:
@FaraPython
📌کانال آموزشی برنامهنویسی اندروید:
@FaraAnd
📌کانال آموزشی برنامهنویسی جاوا:
@Fara_Java
📌کانال آموزشی طراحی و توسعه وب:
@FaraWebDev
📌کانال آموزشی متلب و سیمولینک:
@FaraMatlabSim
📌کانال آموزشی رباتیک:
@FaraRobotics
📌کانال آموزشی هوش مصنوعی:
@FaraAI
📌کانال آموزشی علم داده:
@Fara_DS
📌کانال آموزشی مهندسی:
@FaraEng
📌کانال آموزشی مهندسی مکانیک:
@FaraMechanical
📌کانال آموزشی مهندسی برق:
@FaraElectrical
📌کانال آموزشی مهندسی عمران:
@FaraCivil
📌کانال آموزشی معماری:
@FaraArch
📌کانال آموزشی شیمی:
@FaraChem
📌کانال آموزشی مهندسی و علوم کامپیوتر:
@FaraCompEng
📌کانال آموزشی طراحی گرافیک:
@FaraGraphDesign
📌کانال آموزشی زبان:
@FaraLang
📌کانال آموزشی زیستشناسی:
@FaraBio
📌کانال آموزشی فیزیک:
@FaraPhys
📌کانال آموزشی ریاضیات:
@FaraMathematic
📌کانال آموزشی آمار و احتمالات:
@FaraStatistics
📌کانال آموزشی آفیس:
@FaraOffice
📌کانال آموزشی بورس:
@FaraVest
📌کانال آموزشی بازاریابی دیجیتال:
@Kaprila
📚 فرادرس | دانش در دسترس همه؛ همیشه و همه جا
@FaraDars — فرادرس
✨ در کانالهای موضوعی و تخصصیِ فرادرس، چه مطالبی به صورت رایگان ارائه میشود؟
🔹 جدیدترین و بهروز ترین مقالات آموزشی در رشتههای مختلف تحصیلی و تخصصی
🔹 خلاصه دروس دانشگاهی
🔹 مطالب جذاب علمی و ویدئوهای آموزشی
🔹 آموزش مهارتهای کاربردی
🌟 برای دسترسی سریعتر به مطالب و مقالات آموزشی رایگان فرادرس، عضو کانال مورد نظر خود شوید👇👇👇
📌کانال آموزشی برنامهنویسی:
@FaraProg
📌کانال آموزشی برنامهنویسی پایتون:
@FaraPython
📌کانال آموزشی برنامهنویسی اندروید:
@FaraAnd
📌کانال آموزشی برنامهنویسی جاوا:
@Fara_Java
📌کانال آموزشی طراحی و توسعه وب:
@FaraWebDev
📌کانال آموزشی متلب و سیمولینک:
@FaraMatlabSim
📌کانال آموزشی رباتیک:
@FaraRobotics
📌کانال آموزشی هوش مصنوعی:
@FaraAI
📌کانال آموزشی علم داده:
@Fara_DS
📌کانال آموزشی مهندسی:
@FaraEng
📌کانال آموزشی مهندسی مکانیک:
@FaraMechanical
📌کانال آموزشی مهندسی برق:
@FaraElectrical
📌کانال آموزشی مهندسی عمران:
@FaraCivil
📌کانال آموزشی معماری:
@FaraArch
📌کانال آموزشی شیمی:
@FaraChem
📌کانال آموزشی مهندسی و علوم کامپیوتر:
@FaraCompEng
📌کانال آموزشی طراحی گرافیک:
@FaraGraphDesign
📌کانال آموزشی زبان:
@FaraLang
📌کانال آموزشی زیستشناسی:
@FaraBio
📌کانال آموزشی فیزیک:
@FaraPhys
📌کانال آموزشی ریاضیات:
@FaraMathematic
📌کانال آموزشی آمار و احتمالات:
@FaraStatistics
📌کانال آموزشی آفیس:
@FaraOffice
📌کانال آموزشی بورس:
@FaraVest
📌کانال آموزشی بازاریابی دیجیتال:
@Kaprila
📚 فرادرس | دانش در دسترس همه؛ همیشه و همه جا
@FaraDars — فرادرس
👍3
Forwarded from FaraDars | فرادرس
🎁 پکیج برنامهنویسی مورد علاقه خود را انتخاب کنید و هدیه بگیرید!
✨ فرادرس امروز برای شما ۷ پکیج آموزشی در حوزه برنامهنویسی، آماده کرده است:
▫️ اندروید Android
▫️ طراحی سایت
▫️ پایتون Python
▫️ سی شارپ #C
▫️ جاوا Java
▫️ سی پلاس پلاس ++C
▫️ پایگاه داده
❓از بین این عنوانها، به کدام حوزه از برنامهنویسی علاقه دارید؟
🎊 برای شرکت قرعهکشی و دریافت یک پکیج رایگان برنامهنویسی، از طریق لینک زیر وارد صفحه اینستاگرام فرادرس شوید و در زیر پست مربوط به این چالش(+)، نام پکیج مورد علاقه خود را کامنت کنید. 👇
🔗 شرکت در قرعهکشی — [کلیک کنید]
🎁 ۱۰ پکیج رایگان برای ۱۰ نفر
🎉 فرادرس به قید قرعه از بین تمام کسانی که نام پکیج مورد علاقه خود را در کامنت بنویسند، به ۱۰ نفر پکیج مورد نظرشان را به صورت رایگان هدیه میدهد.
⏰ مهلت مشارکت: پایان روز دوشنبه، ۳ مرداد
📆 اعلام نتایج: روز سهشنبه، ۴ مرداد
برای اطلاع از سایر مسابقهها و دریافت هدایای ویژه، صفحه اینستاگرام فرادرس را دنبال کنید:
🔗 instagram.com/FaraDars
🥰 این پست را با دوستان خود به اشتراک بگذارید تا از این فرصت ویژه باخبر شوند.🗣
@FaraDars — فرادرس
🎁 پکیج برنامهنویسی مورد علاقه خود را انتخاب کنید و هدیه بگیرید!
✨ فرادرس امروز برای شما ۷ پکیج آموزشی در حوزه برنامهنویسی، آماده کرده است:
▫️ اندروید Android
▫️ طراحی سایت
▫️ پایتون Python
▫️ سی شارپ #C
▫️ جاوا Java
▫️ سی پلاس پلاس ++C
▫️ پایگاه داده
❓از بین این عنوانها، به کدام حوزه از برنامهنویسی علاقه دارید؟
🎊 برای شرکت قرعهکشی و دریافت یک پکیج رایگان برنامهنویسی، از طریق لینک زیر وارد صفحه اینستاگرام فرادرس شوید و در زیر پست مربوط به این چالش(+)، نام پکیج مورد علاقه خود را کامنت کنید. 👇
🔗 شرکت در قرعهکشی — [کلیک کنید]
🎁 ۱۰ پکیج رایگان برای ۱۰ نفر
🎉 فرادرس به قید قرعه از بین تمام کسانی که نام پکیج مورد علاقه خود را در کامنت بنویسند، به ۱۰ نفر پکیج مورد نظرشان را به صورت رایگان هدیه میدهد.
⏰ مهلت مشارکت: پایان روز دوشنبه، ۳ مرداد
📆 اعلام نتایج: روز سهشنبه، ۴ مرداد
برای اطلاع از سایر مسابقهها و دریافت هدایای ویژه، صفحه اینستاگرام فرادرس را دنبال کنید:
🔗 instagram.com/FaraDars
🥰 این پست را با دوستان خود به اشتراک بگذارید تا از این فرصت ویژه باخبر شوند.🗣
@FaraDars — فرادرس
✳️ آموزش آشنایی با پردازش زبان های طبیعی (NLP) در پایتون با پلتفرم NLTK (رایگان)
چکیده — برای پردازش زبان های طبیعی، نیاز به یک ابزار و یا به عبارتی به یک زبان برنامه نویسی داریم، بنابراین با توجه به سهولت کدنویسی و همچنین وجود بسته های نرم افزاری زیاد، زبان برنامه نویسی پایتون و مهم ترین ابزار آن برای پردازش زبان های طبیعی یعنی NLTK را برمی گزینیم. ما در این آموزش قصد داریم تا با پردازش زبان های طبیعی (NLP) در پایتون (Python) با استفاده از پلتفرم NLTK آشنا شویم.
کسب اطلاعات بیشتر 👇👇
🔗 آموزش آشنایی با پردازش زبان های طبیعی (NLP) در پایتون با پلتفرم NLTK (رایگان) — کلیک کنید [+]
📌 کانال اختصاصی آموزشی هوش مصنوعی و علم داده
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی هوش مصنوعی و علم داده را در کانال اختصاصی [@FaraAI] دنبال کنید. 👇
@FaraAI — مطالب و آموزشهای هوش مصنوعی و علم داده فرادرس
✳️ آموزش آشنایی با پردازش زبان های طبیعی (NLP) در پایتون با پلتفرم NLTK (رایگان)
چکیده — برای پردازش زبان های طبیعی، نیاز به یک ابزار و یا به عبارتی به یک زبان برنامه نویسی داریم، بنابراین با توجه به سهولت کدنویسی و همچنین وجود بسته های نرم افزاری زیاد، زبان برنامه نویسی پایتون و مهم ترین ابزار آن برای پردازش زبان های طبیعی یعنی NLTK را برمی گزینیم. ما در این آموزش قصد داریم تا با پردازش زبان های طبیعی (NLP) در پایتون (Python) با استفاده از پلتفرم NLTK آشنا شویم.
کسب اطلاعات بیشتر 👇👇
🔗 آموزش آشنایی با پردازش زبان های طبیعی (NLP) در پایتون با پلتفرم NLTK (رایگان) — کلیک کنید [+]
📌 کانال اختصاصی آموزشی هوش مصنوعی و علم داده
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی هوش مصنوعی و علم داده را در کانال اختصاصی [@FaraAI] دنبال کنید. 👇
@FaraAI — مطالب و آموزشهای هوش مصنوعی و علم داده فرادرس
👍1
Forwarded from FaraDars | فرادرس
📣 آموزشهای رایگان پرمخاطب در فرادرس
✔️ لینک برخی از آموزشهای رایگان و پرطرفدار فرادرس در ادامه آمده است. برای مشاهده و دریافت هر آموزش روی عنوان مورد نظر خود کلیک کنید:
▫️ هنر تفکر خلاق
▫️ برنامهنویسی C++
▫️ اتوکد (AutoCAD)
▫️ آشنایی با اکسل (Excel)
▫️ افتر افکت (After Effects)
▫️ اصول و مبانی برنامهنویسی
▫️ مقابله با فراموشی در مطالعه
▫️ گیت (Git) - گیت هاب و گیت لب
▫️ برنامهنویسی اندروید (Android)
🔴 سایر آموزشهای رایگان را در لینک زیر مشاهده و دانلود کنید:
🔗 فهرست فرادرسهای رایگان و پرمخاطب [+]
📌 این پست را با دوستان خود نیز به اشتراک بگذارید و فرصت آموختن رایگان را به آنها هدیه دهید.
📚 فرادرس | دانش در دسترس همه؛ همیشه و همه جا
@FaraDars — فرادرس
📣 آموزشهای رایگان پرمخاطب در فرادرس
✔️ لینک برخی از آموزشهای رایگان و پرطرفدار فرادرس در ادامه آمده است. برای مشاهده و دریافت هر آموزش روی عنوان مورد نظر خود کلیک کنید:
▫️ هنر تفکر خلاق
▫️ برنامهنویسی C++
▫️ اتوکد (AutoCAD)
▫️ آشنایی با اکسل (Excel)
▫️ افتر افکت (After Effects)
▫️ اصول و مبانی برنامهنویسی
▫️ مقابله با فراموشی در مطالعه
▫️ گیت (Git) - گیت هاب و گیت لب
▫️ برنامهنویسی اندروید (Android)
🔴 سایر آموزشهای رایگان را در لینک زیر مشاهده و دانلود کنید:
🔗 فهرست فرادرسهای رایگان و پرمخاطب [+]
📌 این پست را با دوستان خود نیز به اشتراک بگذارید و فرصت آموختن رایگان را به آنها هدیه دهید.
📚 فرادرس | دانش در دسترس همه؛ همیشه و همه جا
@FaraDars — فرادرس
👍2
✳️ آموزش بازتکامل شبکه های عصبی (رایگان)
چکیده — شبکههای عصبی مصنوعی انواع گوناگونی دارند و در گذر زمان، سیر تحولی ویژهای را طی کردهاند. سیر تحولی شبکههای عصبی مصنوعی از شبکه عصبی پرسپترون، پیشخور و شعاعی پایه آغاز شد و تا شبکههای عصبی پیچشی و مولد تخاصمی (GAN) را شامل میشود. در این ویدئوی آموزشی، به بازتکامل شبکههای عصبی پرداخته شده است.
کسب اطلاعات بیشتر 👇👇
🔗 آموزش بازتکامل شبکه های عصبی (رایگان) — کلیک کنید [+]
📌 کانال اختصاصی آموزشی هوش مصنوعی و علم داده
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی هوش مصنوعی و علم داده را در کانال اختصاصی [@FaraAI] دنبال کنید. 👇
@FaraAI — مطالب و آموزشهای هوش مصنوعی و علم داده فرادرس
✳️ آموزش بازتکامل شبکه های عصبی (رایگان)
چکیده — شبکههای عصبی مصنوعی انواع گوناگونی دارند و در گذر زمان، سیر تحولی ویژهای را طی کردهاند. سیر تحولی شبکههای عصبی مصنوعی از شبکه عصبی پرسپترون، پیشخور و شعاعی پایه آغاز شد و تا شبکههای عصبی پیچشی و مولد تخاصمی (GAN) را شامل میشود. در این ویدئوی آموزشی، به بازتکامل شبکههای عصبی پرداخته شده است.
کسب اطلاعات بیشتر 👇👇
🔗 آموزش بازتکامل شبکه های عصبی (رایگان) — کلیک کنید [+]
📌 کانال اختصاصی آموزشی هوش مصنوعی و علم داده
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی هوش مصنوعی و علم داده را در کانال اختصاصی [@FaraAI] دنبال کنید. 👇
@FaraAI — مطالب و آموزشهای هوش مصنوعی و علم داده فرادرس
✳️ آموزش درخت تصمیم در یادگیری ماشین (رایگان)
چکیده — یادگیری ماشین (Machine Learning) یک حوزه مطالعاتی است که به ماشین ها توانایی یادگیری می دهد، بدون این که نیاز باشد این ماشین ها به طور صریح برنامه نویسی شوند. به عبارتی، یادگیری ماشین بررسی می کند که چگونه کامپیوترها می توانند براساس داده یاد بگیرند یا کارایی شان را بهبود بخشند. ما در این آموزش قصد داریم تا درخت تصمیم در یادگیری ماشین را مورد بحث و بررسی قرار دهیم.
کسب اطلاعات بیشتر 👇👇
🔗 آموزش درخت تصمیم در یادگیری ماشین (رایگان) — کلیک کنید [+]
📌 کانال اختصاصی آموزشی هوش مصنوعی و علم داده
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی هوش مصنوعی و علم داده را در کانال اختصاصی [@FaraAI] دنبال کنید. 👇
@FaraAI — مطالب و آموزشهای هوش مصنوعی و علم داده فرادرس
✳️ آموزش درخت تصمیم در یادگیری ماشین (رایگان)
چکیده — یادگیری ماشین (Machine Learning) یک حوزه مطالعاتی است که به ماشین ها توانایی یادگیری می دهد، بدون این که نیاز باشد این ماشین ها به طور صریح برنامه نویسی شوند. به عبارتی، یادگیری ماشین بررسی می کند که چگونه کامپیوترها می توانند براساس داده یاد بگیرند یا کارایی شان را بهبود بخشند. ما در این آموزش قصد داریم تا درخت تصمیم در یادگیری ماشین را مورد بحث و بررسی قرار دهیم.
کسب اطلاعات بیشتر 👇👇
🔗 آموزش درخت تصمیم در یادگیری ماشین (رایگان) — کلیک کنید [+]
📌 کانال اختصاصی آموزشی هوش مصنوعی و علم داده
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی هوش مصنوعی و علم داده را در کانال اختصاصی [@FaraAI] دنبال کنید. 👇
@FaraAI — مطالب و آموزشهای هوش مصنوعی و علم داده فرادرس
📣 دسترسی به آخرین کوپن و کدهای تخفیف فرادرس
🔗 صفحه فرصتهای ویژه - [کلیک کنید]
💯 همراه با فرصتهای ویژه فرادرس، یادگیری را شروع کنید👇
💫 تا ۱۷۰ هزار تومان تخفیف در طرح پلکان آموزشی
در این طرح، با توجه به مقدار سبد سفارش خود تا ۱۷۰ هزار تومان تخفیف دریافت کنید.
🎁 کد تخفیف: STR69
📅 اعتبار: تا پایان روز دوشنبه ٣١ مرداد ۱۴۰۱
_______________
💫 ۵۰ هزار تومان هدیه آموزشی، مخصوص اپلیکیشن فرادرس
🎁 کد تخفیف: FRAPP
📅 اعتبار: تا پایان روز دوشنبه ٣١ مرداد ۱۴۰۱
_______________
💫 ۵۰ درصد تخفیف برای ثبت اولین سفارش خرید
🎁 کد تخفیف: FRSTRD
📅 اعتبار: تا پایان روز دوشنبه ٣١ مرداد ۱۴۰۱
_______________
💫 ۱۵۰ هزار تومان تخفیف برای سبدهای خرید بالای ۴۰۰ هزار تومان
🎁 کد تخفیف: FR4SD
📅 اعتبار: تا پایان روز دوشنبه ٣١ مرداد ۱۴۰۱
_______________
🌟 جهت اطلاع از تمامی کدهای تخفیف فعال در فرادرس و نحوه استفاده از آنها، به لینک زیر مراجعه کنید:
🔗 فرصتهای ویژه فرادرس - [کلیک کنید]
📚 فرادرس | دانش در دسترس همه؛ همیشه و همه جا
@FaraDars — فرادرس
📣 دسترسی به آخرین کوپن و کدهای تخفیف فرادرس
🔗 صفحه فرصتهای ویژه - [کلیک کنید]
💯 همراه با فرصتهای ویژه فرادرس، یادگیری را شروع کنید👇
💫 تا ۱۷۰ هزار تومان تخفیف در طرح پلکان آموزشی
در این طرح، با توجه به مقدار سبد سفارش خود تا ۱۷۰ هزار تومان تخفیف دریافت کنید.
🎁 کد تخفیف: STR69
📅 اعتبار: تا پایان روز دوشنبه ٣١ مرداد ۱۴۰۱
_______________
💫 ۵۰ هزار تومان هدیه آموزشی، مخصوص اپلیکیشن فرادرس
🎁 کد تخفیف: FRAPP
📅 اعتبار: تا پایان روز دوشنبه ٣١ مرداد ۱۴۰۱
_______________
💫 ۵۰ درصد تخفیف برای ثبت اولین سفارش خرید
🎁 کد تخفیف: FRSTRD
📅 اعتبار: تا پایان روز دوشنبه ٣١ مرداد ۱۴۰۱
_______________
💫 ۱۵۰ هزار تومان تخفیف برای سبدهای خرید بالای ۴۰۰ هزار تومان
🎁 کد تخفیف: FR4SD
📅 اعتبار: تا پایان روز دوشنبه ٣١ مرداد ۱۴۰۱
_______________
🌟 جهت اطلاع از تمامی کدهای تخفیف فعال در فرادرس و نحوه استفاده از آنها، به لینک زیر مراجعه کنید:
🔗 فرصتهای ویژه فرادرس - [کلیک کنید]
📚 فرادرس | دانش در دسترس همه؛ همیشه و همه جا
@FaraDars — فرادرس
❤1👍1
✨ در کانالهای موضوعی و تخصصیِ فرادرس، چه مطالبی به صورت رایگان ارائه میشود؟
🔹 جدیدترین و بهروز ترین مقالات آموزشی در رشتههای مختلف تحصیلی و تخصصی
🔹 خلاصه دروس دانشگاهی
🔹 مطالب جذاب علمی و ویدئوهای آموزشی
🔹 آموزش مهارتهای کاربردی
🌟 برای دسترسی سریعتر به مطالب و مقالات آموزشی رایگان فرادرس، عضو کانال مورد نظر خود شوید👇👇👇
📌کانال آموزشی برنامهنویسی:
@FaraProg
📌کانال آموزشی برنامهنویسی پایتون:
@FaraPython
📌کانال آموزشی برنامهنویسی اندروید:
@FaraAnd
📌کانال آموزشی برنامهنویسی جاوا:
@Fara_Java
📌کانال آموزشی طراحی و توسعه وب:
@FaraWebDev
📌کانال آموزشی متلب و سیمولینک:
@FaraMatlabSim
📌کانال آموزشی رباتیک:
@FaraRobotics
📌کانال آموزشی هوش مصنوعی:
@FaraAI
📌کانال آموزشی علم داده:
@Fara_DS
📌کانال آموزشی مهندسی:
@FaraEng
📌کانال آموزشی مهندسی مکانیک:
@FaraMechanical
📌کانال آموزشی مهندسی برق:
@FaraElectrical
📌کانال آموزشی مهندسی عمران:
@FaraCivil
📌کانال آموزشی معماری:
@FaraArch
📌کانال آموزشی شیمی:
@FaraChem
📌کانال آموزشی مهندسی و علوم کامپیوتر:
@FaraCompEng
📌کانال آموزشی طراحی گرافیک:
@FaraGraphDesign
📌کانال آموزشی زبان:
@FaraLang
📌کانال آموزشی زیستشناسی:
@FaraBio
📌کانال آموزشی فیزیک:
@FaraPhys
📌کانال آموزشی ریاضیات:
@FaraMathematic
📌کانال آموزشی آمار و احتمالات:
@FaraStatistics
📌کانال آموزشی آفیس:
@FaraOffice
📌کانال آموزشی بورس:
@FaraVest
📌کانال آموزشی بازاریابی دیجیتال:
@Kaprila
📚 فرادرس | دانش در دسترس همه؛ همیشه و همه جا
@FaraDars — فرادرس
✨ در کانالهای موضوعی و تخصصیِ فرادرس، چه مطالبی به صورت رایگان ارائه میشود؟
🔹 جدیدترین و بهروز ترین مقالات آموزشی در رشتههای مختلف تحصیلی و تخصصی
🔹 خلاصه دروس دانشگاهی
🔹 مطالب جذاب علمی و ویدئوهای آموزشی
🔹 آموزش مهارتهای کاربردی
🌟 برای دسترسی سریعتر به مطالب و مقالات آموزشی رایگان فرادرس، عضو کانال مورد نظر خود شوید👇👇👇
📌کانال آموزشی برنامهنویسی:
@FaraProg
📌کانال آموزشی برنامهنویسی پایتون:
@FaraPython
📌کانال آموزشی برنامهنویسی اندروید:
@FaraAnd
📌کانال آموزشی برنامهنویسی جاوا:
@Fara_Java
📌کانال آموزشی طراحی و توسعه وب:
@FaraWebDev
📌کانال آموزشی متلب و سیمولینک:
@FaraMatlabSim
📌کانال آموزشی رباتیک:
@FaraRobotics
📌کانال آموزشی هوش مصنوعی:
@FaraAI
📌کانال آموزشی علم داده:
@Fara_DS
📌کانال آموزشی مهندسی:
@FaraEng
📌کانال آموزشی مهندسی مکانیک:
@FaraMechanical
📌کانال آموزشی مهندسی برق:
@FaraElectrical
📌کانال آموزشی مهندسی عمران:
@FaraCivil
📌کانال آموزشی معماری:
@FaraArch
📌کانال آموزشی شیمی:
@FaraChem
📌کانال آموزشی مهندسی و علوم کامپیوتر:
@FaraCompEng
📌کانال آموزشی طراحی گرافیک:
@FaraGraphDesign
📌کانال آموزشی زبان:
@FaraLang
📌کانال آموزشی زیستشناسی:
@FaraBio
📌کانال آموزشی فیزیک:
@FaraPhys
📌کانال آموزشی ریاضیات:
@FaraMathematic
📌کانال آموزشی آمار و احتمالات:
@FaraStatistics
📌کانال آموزشی آفیس:
@FaraOffice
📌کانال آموزشی بورس:
@FaraVest
📌کانال آموزشی بازاریابی دیجیتال:
@Kaprila
📚 فرادرس | دانش در دسترس همه؛ همیشه و همه جا
@FaraDars — فرادرس
👍1
Forwarded from FaraDars | فرادرس
✳️ مجموعه وبینارهای رایگان رویداد فینوهک — ۱۳ دوره آموزشی
🔖 فینوهک رویدادی مبتنی بر سرمایهگذاری است. این رویداد میخواهد فرصتی باشد تا افراد و تیمها با چالشها در پنج حوزه ولثتک (WealthTech)، اینشورتک (InsureTech)، رگتک (ReqTech)، لندتک (Lend Tech) و پرداخت (Paytech) برخورد کنند. در فینوهک تلاش میشود تا افراد در مورد فینتک توانمند شوند و بتوانند شناخت خوبی نسبت به فینتک پیدا کنند و کسب و کاری را در این فضا شروع کنند یا بهتر ادامه دهند. فرادرس همراه آموزشی فینوهک است و وبینارهای رایگان را در اختیارتان قرار میدهد.
🔻 اولین وبینار در این رویداد، روز سهشنبه، ۱ شهریور ۱۴۰۱ آغاز خواهد شد. برای اطلاع از زمان برگزاری و ثبتنام در وبینارها، روی عنوان مورد نظر خود کلیک کنید: 👇
۱. فینتک چیست؟
۲. آنچه که برای شروع یک کسب و کار در فضای بیتکوین و بلاکچین لازم است بدانید
۳. تشریح مدلهای ساختارشکن ولث تک در دنیا و اشاره به فرصتهای پیش رو
۴. شناخت رگ تک و شناسایی نقش آن در زنجیره ارزش فینتکها
۵. فرصتهای تجاری سازی API
۶. آموزش Embedded Finance و تاثیر آن بر مدلهای کسب و کار
۷. قراردادهای هوشمند و فرصت های کسب و کاری در سال ۲۰۲۲
۸. روشهای جدید اعتبار دهی و پرداخت تسهیلات و فناوری های مرتبط با آن
۹. تامین مالی زنجیره تامین، فرصتی جدید برای ورود تکنولوژیهای نوین به صنعت مالی
۱۰. طراحی تجربه مشتری در صنعت فینتک
۱۱. محصول فینتکی از کجا شروع میشود؟
۱۲. مروری بر قواعد و چارچوب رایج بیمه گری
۱۳. کاربرد هوش مصنوعی در فرایند خسارتهای بیمه
🔗 وبینارهای رایگان رویداد فینوهک — [کلیک کنید]
📚 فرادرس | دانش در دسترس همه؛ همیشه و همه جا
@FaraDars — فرادرس
✳️ مجموعه وبینارهای رایگان رویداد فینوهک — ۱۳ دوره آموزشی
🔖 فینوهک رویدادی مبتنی بر سرمایهگذاری است. این رویداد میخواهد فرصتی باشد تا افراد و تیمها با چالشها در پنج حوزه ولثتک (WealthTech)، اینشورتک (InsureTech)، رگتک (ReqTech)، لندتک (Lend Tech) و پرداخت (Paytech) برخورد کنند. در فینوهک تلاش میشود تا افراد در مورد فینتک توانمند شوند و بتوانند شناخت خوبی نسبت به فینتک پیدا کنند و کسب و کاری را در این فضا شروع کنند یا بهتر ادامه دهند. فرادرس همراه آموزشی فینوهک است و وبینارهای رایگان را در اختیارتان قرار میدهد.
🔻 اولین وبینار در این رویداد، روز سهشنبه، ۱ شهریور ۱۴۰۱ آغاز خواهد شد. برای اطلاع از زمان برگزاری و ثبتنام در وبینارها، روی عنوان مورد نظر خود کلیک کنید: 👇
۱. فینتک چیست؟
۲. آنچه که برای شروع یک کسب و کار در فضای بیتکوین و بلاکچین لازم است بدانید
۳. تشریح مدلهای ساختارشکن ولث تک در دنیا و اشاره به فرصتهای پیش رو
۴. شناخت رگ تک و شناسایی نقش آن در زنجیره ارزش فینتکها
۵. فرصتهای تجاری سازی API
۶. آموزش Embedded Finance و تاثیر آن بر مدلهای کسب و کار
۷. قراردادهای هوشمند و فرصت های کسب و کاری در سال ۲۰۲۲
۸. روشهای جدید اعتبار دهی و پرداخت تسهیلات و فناوری های مرتبط با آن
۹. تامین مالی زنجیره تامین، فرصتی جدید برای ورود تکنولوژیهای نوین به صنعت مالی
۱۰. طراحی تجربه مشتری در صنعت فینتک
۱۱. محصول فینتکی از کجا شروع میشود؟
۱۲. مروری بر قواعد و چارچوب رایج بیمه گری
۱۳. کاربرد هوش مصنوعی در فرایند خسارتهای بیمه
🔗 وبینارهای رایگان رویداد فینوهک — [کلیک کنید]
📚 فرادرس | دانش در دسترس همه؛ همیشه و همه جا
@FaraDars — فرادرس
👍1
Forwarded from تازههای نشر فرادرس
Media is too big
VIEW IN TELEGRAM
📘 آموزش سیستم عامل ربات ها ROS – موقعیت یابی و مسیریابی منتشر شد!
🔹 لینک آموزش – [کلیک کنید]
🔖 امروزه، یکی از اساسیترین چالشها در رباتهای چرخدار، موقعیتیابی و مسیریابی است. از آنجاکه استفاده از سیستمعامل رباتها (ROS) در برنامهنویسی رباتهای پیچیده حرف اول را میزند، در این آموزش قصد داریم در ادامه یادگیری ROS، ابتدا به موقعیتیابی تقریبی و بعد از آن به موقعیت یابی دقیق ربات در محیط بپردازیم و در ادامه مسیریابی یا ناوبری را برای رباتهایی که روی سطح حرکت میکنند، پیادهسازی کنیم. با توجه به اینکه امروزه تقریباً همه رباتهای متحرک با چالش مسیریابی و شناسایی موانع روبهرو هستند، توانایی در حل این مسائل بسیار ضروری و مهم است.
🎯 مناسب برای: مهندسی کامپیوتر – هوش مصنوعی | رباتیک | مهندسی برق | مهندسی مکاترونیک | مهندسی مکانیک
💲 هزینه اصلی آموزش:۱۴۹,۰۰۰ تومان
🎁 هزینه با احتساب هدیه ویژه انتشار: ۶۴,۵۰۰ تومان
(۵۰ درصد تخفیف)
👈 کد تخفیف: NWDT66
❗️ اعتبار: تا پایان روز جمعه، ۴ شهریور ۱۴۰۱
🔗 لینک آموزش – [کلیک کنید]
@FaraDars — فرادرس
@FDPub — تازههای نشر فرادرس
.
📘 آموزش سیستم عامل ربات ها ROS – موقعیت یابی و مسیریابی منتشر شد!
🔹 لینک آموزش – [کلیک کنید]
🔖 امروزه، یکی از اساسیترین چالشها در رباتهای چرخدار، موقعیتیابی و مسیریابی است. از آنجاکه استفاده از سیستمعامل رباتها (ROS) در برنامهنویسی رباتهای پیچیده حرف اول را میزند، در این آموزش قصد داریم در ادامه یادگیری ROS، ابتدا به موقعیتیابی تقریبی و بعد از آن به موقعیت یابی دقیق ربات در محیط بپردازیم و در ادامه مسیریابی یا ناوبری را برای رباتهایی که روی سطح حرکت میکنند، پیادهسازی کنیم. با توجه به اینکه امروزه تقریباً همه رباتهای متحرک با چالش مسیریابی و شناسایی موانع روبهرو هستند، توانایی در حل این مسائل بسیار ضروری و مهم است.
🎯 مناسب برای: مهندسی کامپیوتر – هوش مصنوعی | رباتیک | مهندسی برق | مهندسی مکاترونیک | مهندسی مکانیک
💲 هزینه اصلی آموزش:
🎁 هزینه با احتساب هدیه ویژه انتشار: ۶۴,۵۰۰ تومان
(۵۰ درصد تخفیف)
👈 کد تخفیف: NWDT66
❗️ اعتبار: تا پایان روز جمعه، ۴ شهریور ۱۴۰۱
🔗 لینک آموزش – [کلیک کنید]
@FaraDars — فرادرس
@FDPub — تازههای نشر فرادرس
.
👍4
✳️ آموزش مسیر تبدیل شدن به دانشمند علم داده (رایگان)
چکیده — علم داده، علمی میان رشتهای است که در آن از مباحث گوناگون از الگوریتمهای یادگیری ماشین گرفته تا آمار، جبر خطی، سیستمهای مدیریت پایگاه داده و دیگر مباحث استفاده میشود. اما به راستی فراگیری چه علوم و مباحثی به فرد در یادگیری علم داده کمک میکند و نقشه راه مبدل شدن به دانشمند داده چیست؟ در ویدئوی آموزش مسیر مبدل شدن به علم داده، به این پرسش به طور کامل پاسخ داده شده است.
کسب اطلاعات بیشتر 👇👇
🔗 آموزش مسیر تبدیل شدن به دانشمند علم داده (رایگان) — کلیک کنید [+]
📌 کانال اختصاصی آموزشی هوش مصنوعی و علم داده
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی هوش مصنوعی و علم داده را در کانال اختصاصی [@FaraAI] دنبال کنید. 👇
@FaraAI — مطالب و آموزشهای هوش مصنوعی و علم داده فرادرس
✳️ آموزش مسیر تبدیل شدن به دانشمند علم داده (رایگان)
چکیده — علم داده، علمی میان رشتهای است که در آن از مباحث گوناگون از الگوریتمهای یادگیری ماشین گرفته تا آمار، جبر خطی، سیستمهای مدیریت پایگاه داده و دیگر مباحث استفاده میشود. اما به راستی فراگیری چه علوم و مباحثی به فرد در یادگیری علم داده کمک میکند و نقشه راه مبدل شدن به دانشمند داده چیست؟ در ویدئوی آموزش مسیر مبدل شدن به علم داده، به این پرسش به طور کامل پاسخ داده شده است.
کسب اطلاعات بیشتر 👇👇
🔗 آموزش مسیر تبدیل شدن به دانشمند علم داده (رایگان) — کلیک کنید [+]
📌 کانال اختصاصی آموزشی هوش مصنوعی و علم داده
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی هوش مصنوعی و علم داده را در کانال اختصاصی [@FaraAI] دنبال کنید. 👇
@FaraAI — مطالب و آموزشهای هوش مصنوعی و علم داده فرادرس
👍4
✳️ دسترسی به هزاران ساعت آموزش ویدئویی و رایگان از طریق اپلیکیشن فرادرس
📱 ۲۰ هزار ساعت آموزش تو موبایل کنار دستته👇
▫️ دروس و نرمافزارهای دانشگاهی
▫️ برنامهنویسی و طراحی سایت
▫️ مهارتهای توسعه فردی
▫️ مهارتهای کامپیوتری
▫️ طراحی و گرافیک
▫️ زبانهای خارجی
▫️ کسب و کار
🚀 با اپلیکیشن فرادرس تو هر شرایط زمانی و مکانی، میتونید مهارتها و دانشتون رو ارتقا بدید و ویدئوهای آموزشی رو تو موبایلتون مشاهده کنید.
نصب سریع و راحت از گوگلپلی👇
✅ دریافت اپلیکیشن فرادرس از Google Play - [کلیک کنید]
🔗 فهرست آموزشهای رایگان در فرادرس - [کلیک کنید]
📚 فرادرس | دانش در دسترس همه؛ همیشه و همه جا
@FaraDars — فرادرس
✳️ دسترسی به هزاران ساعت آموزش ویدئویی و رایگان از طریق اپلیکیشن فرادرس
📱 ۲۰ هزار ساعت آموزش تو موبایل کنار دستته👇
▫️ دروس و نرمافزارهای دانشگاهی
▫️ برنامهنویسی و طراحی سایت
▫️ مهارتهای توسعه فردی
▫️ مهارتهای کامپیوتری
▫️ طراحی و گرافیک
▫️ زبانهای خارجی
▫️ کسب و کار
🚀 با اپلیکیشن فرادرس تو هر شرایط زمانی و مکانی، میتونید مهارتها و دانشتون رو ارتقا بدید و ویدئوهای آموزشی رو تو موبایلتون مشاهده کنید.
نصب سریع و راحت از گوگلپلی👇
✅ دریافت اپلیکیشن فرادرس از Google Play - [کلیک کنید]
🔗 فهرست آموزشهای رایگان در فرادرس - [کلیک کنید]
📚 فرادرس | دانش در دسترس همه؛ همیشه و همه جا
@FaraDars — فرادرس
👍1
💢 معرفی کانالهای تلگرام فرادرس:
📍 کانال رسمی فرادرس [@FaraDars]
✅ در این کانال، اطلاعرسانی طرحها و جشنوارههای تخفیف، رویدادها و وبینارها، معرفی مجموعههای آموزشی، گزارش عملکرد و آمار مربوط به فعالیتهای مجموعه فرادرس و سایر موارد انجام میشود.
📍 کانال فراپُن [@FaraPon] — آخرین کوپن و تخفیفها
✅ کانال «فراپُن» با هدف ایجاد دسترسی آسان و طبقهبندی شده به فرصتهای ویژه فرادرس ایجاد شده است. میتوانید آخرین کوپن و کدهای تخفیف فرادرس را در این کانال دنبال کنید.
📍 کانال تازههای نشر [@FDpub] — جدیدترین آموزشها با تخفیف ویژه انتشار
✅ این کانال با افزایش ظرفیت و آمار انتشار آموزشهای فرادرس، با هدف اطلاعرسانی سریع آموزشهای جدید، ایجاد شده و در دسترس است.
از طریق این کانال و در سریعترین زمان ممکن به جدیدترین آموزشهای منتشر شده در فرادرس، همراه با تخفیف ویژه انتشار آموزش، دسترسی خواهید داشت.
📍 کانالهای موضوعی و تخصصی
✅ در کانالهای تخصصی فرادرس، جدیدترین و بهروز ترین مقالات آموزشی در رشتههای مختلف تحصیلی و تخصصی، خلاصه دروس دانشگاهی، آموزش مهارتهای کاربردی، مطالب جذاب علمی و ویدئوهای آموزشی به صورت کاملاً رایگان ارائه میشود.
🔗 لیست کانالهای تخصصی - [کلیک کنید]
📍 کانال تدریس در فرادرس [@Teach_on_FaraDars]
✅ این کانال با هدف انتقال سریع آخرین اخبار و اطلاعات مرتبط با تدریس در فرادرس، ایجاد شدهاست. با عضویت در این کانال، شما میتوانید از فرصتها و طرحهای ویژه تدریس و سایر موارد مرتبط با آن، مطلع شوید.
📚 فرادرس | دانش در دسترس همه؛ همیشه و همه جا
@FaraDars — فرادرس
💢 معرفی کانالهای تلگرام فرادرس:
📍 کانال رسمی فرادرس [@FaraDars]
✅ در این کانال، اطلاعرسانی طرحها و جشنوارههای تخفیف، رویدادها و وبینارها، معرفی مجموعههای آموزشی، گزارش عملکرد و آمار مربوط به فعالیتهای مجموعه فرادرس و سایر موارد انجام میشود.
📍 کانال فراپُن [@FaraPon] — آخرین کوپن و تخفیفها
✅ کانال «فراپُن» با هدف ایجاد دسترسی آسان و طبقهبندی شده به فرصتهای ویژه فرادرس ایجاد شده است. میتوانید آخرین کوپن و کدهای تخفیف فرادرس را در این کانال دنبال کنید.
📍 کانال تازههای نشر [@FDpub] — جدیدترین آموزشها با تخفیف ویژه انتشار
✅ این کانال با افزایش ظرفیت و آمار انتشار آموزشهای فرادرس، با هدف اطلاعرسانی سریع آموزشهای جدید، ایجاد شده و در دسترس است.
از طریق این کانال و در سریعترین زمان ممکن به جدیدترین آموزشهای منتشر شده در فرادرس، همراه با تخفیف ویژه انتشار آموزش، دسترسی خواهید داشت.
📍 کانالهای موضوعی و تخصصی
✅ در کانالهای تخصصی فرادرس، جدیدترین و بهروز ترین مقالات آموزشی در رشتههای مختلف تحصیلی و تخصصی، خلاصه دروس دانشگاهی، آموزش مهارتهای کاربردی، مطالب جذاب علمی و ویدئوهای آموزشی به صورت کاملاً رایگان ارائه میشود.
🔗 لیست کانالهای تخصصی - [کلیک کنید]
📍 کانال تدریس در فرادرس [@Teach_on_FaraDars]
✅ این کانال با هدف انتقال سریع آخرین اخبار و اطلاعات مرتبط با تدریس در فرادرس، ایجاد شدهاست. با عضویت در این کانال، شما میتوانید از فرصتها و طرحهای ویژه تدریس و سایر موارد مرتبط با آن، مطلع شوید.
📚 فرادرس | دانش در دسترس همه؛ همیشه و همه جا
@FaraDars — فرادرس
👍4
✳️ آموزش مفاهیم پایه بهینه سازی – رایگان
چکیده — مبحث بهینه سازی (Optimization) شامل خانواده بزرگی از مسائل کاربردی و روش های پیشنهادی برای حل این مسائل است. تقریبا هیچ رشته کاربردی و تخصصی را نمی توان یافت که نیازمند حل مسائل بهینه سازی نباشد. علاوه بر این، زندگی روزمره ما انسان ها نیز تقریبا بدون حل روازنه ده ها مساله بهینه سازی ریز و درشت نیست. از منظر آکادمیک و یا حرفه ای، دانستن مفاهیم پایه بهینه سازی و آشنایی با روش های حل مسائل بهینه سازی، یکی از ضرورت های مهم است. از این رو، دانشجویان رشته های مختلف و همین طور متخصصین شاغل در صنایع مختلف، نیازمند آشنایی با مفاهیم و روش های بهینه سازی هستند. ما در این آموزش قصد داریم تا مفاهیم پایه بهینه سازی را مورد بحث و بررسی قرار دهیم.
کسب اطلاعات بیشتر 👇👇
🔗 آموزش مفاهیم پایه بهینه سازی – رایگان — کلیک کنید [+]
📌 کانال اختصاصی آموزشی هوش مصنوعی و علم داده
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی هوش مصنوعی و علم داده را در کانال اختصاصی [@FaraAI] دنبال کنید. 👇
@FaraAI — مطالب و آموزشهای هوش مصنوعی و علم داده فرادرس
✳️ آموزش مفاهیم پایه بهینه سازی – رایگان
چکیده — مبحث بهینه سازی (Optimization) شامل خانواده بزرگی از مسائل کاربردی و روش های پیشنهادی برای حل این مسائل است. تقریبا هیچ رشته کاربردی و تخصصی را نمی توان یافت که نیازمند حل مسائل بهینه سازی نباشد. علاوه بر این، زندگی روزمره ما انسان ها نیز تقریبا بدون حل روازنه ده ها مساله بهینه سازی ریز و درشت نیست. از منظر آکادمیک و یا حرفه ای، دانستن مفاهیم پایه بهینه سازی و آشنایی با روش های حل مسائل بهینه سازی، یکی از ضرورت های مهم است. از این رو، دانشجویان رشته های مختلف و همین طور متخصصین شاغل در صنایع مختلف، نیازمند آشنایی با مفاهیم و روش های بهینه سازی هستند. ما در این آموزش قصد داریم تا مفاهیم پایه بهینه سازی را مورد بحث و بررسی قرار دهیم.
کسب اطلاعات بیشتر 👇👇
🔗 آموزش مفاهیم پایه بهینه سازی – رایگان — کلیک کنید [+]
📌 کانال اختصاصی آموزشی هوش مصنوعی و علم داده
آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی هوش مصنوعی و علم داده را در کانال اختصاصی [@FaraAI] دنبال کنید. 👇
@FaraAI — مطالب و آموزشهای هوش مصنوعی و علم داده فرادرس
👍4