۱۴۰۰/۸

دوره توربو ویژن - 1400

دانشمندان علوم کامپیوتر و متخصصان هوش مصنوعی طی دهه‌‌های گذشته همواره مجذوب فناوری‌‌هایی بوده‌‌اند که ساخت ماشین‌‌های هوشمندی که عملکرد مغز انسان را تقلید می‌‌کنند، به مدد آن‌‌ها امکان‌پذیر شده است. حالا رویای دستیابی به اَبَرانسان‌‌های هوشمندی که وظایف بشر را بی‌‌خلل و با دقتی بی‌‌پایان به انجام می‌رسانند، در مسیر تازه‌ای در حال تحقق است!

تلاش‌‌های مهندسان در دوران مدرن، در حقیقت ادامه مسیر پرفراز و نشیبی است که جرقه‌‌های آن در کنفرانس دارتموث (اولین پروژه تحقیقاتی در حوزه هوش مصنوعی) زده شد. اکنون این شروع، به ایجاد حوزه‌‌های تخصصی هوش مصنوعی انجامیده که هر یک به نوعی متحول‌کننده دنیای امروز ماست: یادگیری ماشینی، شبکه‌‌های عصبی عمیق، یادگیری عمیق، تجزیه و تحلیل معنایی، تشخیص اشیاء و دیگر حوزه‌ها.

این جریان توسعه فناوری هوش مصنوعی همچنان ادامه دارد و اصلی‌‌ترین موتور پیشران آن، آموزش پیوسته و تخصصی نیروهای خبره و حمایت از مستعدان و علاقه‌مندان این فناوری است. متخصصان هوش مصنوعی که بر اساس آخرین دستاوردهای این حوزه آموزش‌‌های تئوری و عملی را پشت سر می‌‌گذارند، در نهایت به بدنه کسب‌وکارها، سازمان‌ها، موسسات آموزشی و مراکز تحقیقاتی جذب می‌‌شوند، تا ادامه‌دهنده این جریان توسعه باشند و در تحقق رویای ابرانسان‌‌های هوشمند گام بردارند.

کالج تخصصی هوش مصنوعی پارت نیز برای توسعه فناوری هوش مصنوعی و حمایت و آموزش علاقه‌مندان این دانش، همچون هر سال، دوره‌‌های تخصصی هوش مصنوعی را در برنامه آموزشی زمستان امسال در نظر گرفته است، تا با تکیه بر تجربیات و دانش استادان خبره، آموزش علاقه‌مندان این دانش و پیاده‌سازی هوش مصنوعی در سطح کلان را که از اهداف بنیادین خود می‌داند، محقق کند. از همین رو، دوره‌‌ آموزشی را تحت عنوان «توربو ویژن» برای زمستان پیش رو تا پایان سال 1400 برنامه‌ریزی کرده است.

امسال در کالج تخصصی هوش مصنوعی پارت، شاهد تخصصی‌‌ترین دوره بینایی ماشین در سطح کشور خواهیم بود. کلاس‌‌های آموزشی به صورت حضوری و غیرحضوری و با رویکرد عملی و کارگاه ی ارائه می‌‌شوند. پس از هر مرحله آموزش تئوری، انجام فعالیت‌‌های عملی با راهنمایی و همراهی منتورها، به صورت هفتگی در برنامه آموزش خواهد بود. کارگاه ‌های عملی که بخشی جدایی‌ناپذیر از برنامه آموزشی هر مبحث است، به دانش‌اندوزان کمک می‌کند تا یافته‌های علمی خود را به بوته آزمایش گذارند و راهکارهای خلاقانه خود را به‌صورت عملی بهبود بخشند.

کالج تخصصی هوش مصنوعی پارت همراه با حمایت معنوی مرکز همکاری‌های تحول و پیشرفت نهاد ریاست جمهوری، ستاد توسعه فناوری‌های اقتصاد دیجیتال هوشمندسازی معاونت علمی و فناوری ریاست جمهوری، دانشگاه علم و صنعت ایران، دانشکده مهندسی برق و کامپیوتر دانشگاه تهران، مرکز توسعه مهارت‌های اقتصاد دیجیتال (ماد)، مرکز تحقیقات هوش مصنوعی پارت، پارک علم و فناوری پردیس و کارخانه نوآوری آزادی، با افتخار در کنار شما ایستاده است.

اگر خود را از علاقه‌مندان تکنولوژی هوش مصنوعی می‌‌دانید و دغدغه رشد و آموزش سریع و پیشرفته در این حوزه دارید، کالج هوش مصنوعی پارت بهترین مسیر پیش روی شما خواهد بود، تا رویاهای خود را به واقعیت تبدیل کنید.

سرفصل	زیرفصل	تاریخ	ساعت	ارایه دهنده	عنوان
معرفی پایتون	مقدمات پایتون (انواع داده، شرط ها و حلقه ها، تعریف کلاس ها و توابع)	1400/09/18	9:00 الی 13:15	مهندس رضا آخوندزاده	محقق هوش مصنوعی مرکز تحقیقات هوش مصنوعی پارت
	نصب محیط مجازی پایتون با استفاده از آناکوندا
	استفاده از Jupyter notebook
معرفی کتابخانه Numpy	معرفی توابع مفید در Numpy
	توابع Cast و Reshape
	معرفی Indexing and Slicing در Numpy
مفاهیم یادگیری‌ ماشین	یادگیری ماشین چیست؟	1400/09/19	9:00 الی 13:15
	یادگیری عمیق چیست؟
	دسته‌بندی مسائل مختلف یادگیری ماشین (4 دسته اصلی + 2 دسته فرعی)
	یادگیری با سرپرست ها (ویژگی ها و برچسب های داده ها)
مفاهیم یادگیری عمیق	مراحل یادگیری عمیق
	Overfitting and Underfitting
	مفاهیم شبکه عصبی
معرفی TensorFlow2 و Keras و حل مساله	حل یک مساله Classification با استفاده از Keras و شبکه‌های عصبی	1400/09/25	9:00 الی 13:15
معرفی TensorFlow2 و Keras و حل مساله	حل یک مساله Regression با استفاده از Keras و شبکه‌های عصبی	1400/09/25	9:00 الی 13:15
کارگاه شماره 1	حل تعدادی مساله الگوریتمی ساده با استفاده از زبان Python	1400/09/26	9:00 الی 13:15
	حل تعدادی محاسبات و مسائل با استفاده از Numpy
	حل یک مساله Classification با استفاده از TensorFlow
	حل یک مساله Regression با استفاده از TensorFlow
شبکه‌های عصبی کانولوشنی یا همان CNN ها	لایه کانولوشن Convolution	1400/10/02	9:00 الی 13:15
	لایه پولینگ Pooling
	Batch Normalization Layer
	Reshape or Global Average Pooling
	حل یک مساله دسته‌بندی تصاویر با استفاده از CNN ها
شبکه‌های CNN معروف (Backbone ها) و یادگیری انتقالی یا همان Transfer Learning	نگاه اجمالی به CNN های معروف یا همان Backbone ها	1400/10/03	9:00 الی 13:15
	یادگیری انتقالی چیست و چه کاربردهایی دارد؟
	چگونگی Fine-Tune کردن یک شبکه در Keras
	حل یک مساله دسته‌بندی تصاویر با استفاده از یادگیری انتقالی
	نگاه تکمیلی به جرئیات Backbone های معروف مثل Resnet و Mobilenet
کارگاه شماره 2	حل یک مساله Classification روی دیتاهای دنیای واقعی با Custom CNN Model	1400/10/10	9:00 الی 13:15
	حل یک مساله دنیای واقعی با استفاده از Transfer Learning و Backbone های معروف
	تمرین‌های خاص برای ساختن مدل‌های مختلف به صورت Custom

سرفصل	زیرفصل	تاریخ	ساعت	ارایه دهنده	عنوان
معرفی پردازش تصویر	کاربردهای پردازش تصویر	1400/10/16	9:00 الی 13:15	مهندس رامین رحیمی - مهندس محمدعلی مجیدی	محقق هوش مصنوعی مرکز تحقیقات هوش مصنوعی پارت
	opencv چیست
	نصب OpenCV
عملگرهای مقدماتی روی تصویر	دسترسی و تغییر مقادیر پیکسل
	ویژگی های تصویر
	ROI تصویر
	شکستن و ادغام کانال های تصویر
نوشتن متن و رسم اشکال هندسی روی تصویر	---
تغییر فضای رنگی	RGB
	HSV
	YcbCr
تغییر سایز تصویر	INTER_NEAREST
	INTER_LINEAR
	INTER_CUBIC
خواندن و ذخیره کردن فریم های ویدئو	---
روشهای مختلف باینری کردن تصویر	حدآستانه ثابت	1400/10/17	9:00 الی 13:15
	حد آستانه وفقی
	Otsu
تبدیلات مورفولوژی	---
هموار کردن تصویر	---
هیستوگرام تصویر	---
همسان سازی هیستوگرام	CLAHE
تبدیلات هندسی روی تصاویر	چرخش تصویر
	انتقال تصویر
	تبدیل Affine
	تبدیل Perspective
تشخیص حفره (blob) و کانتور	بدست آوردن ویژگی های کانتور ( مساحت زاویه و……)	1400/10/23	9:00 الی 13:15
گرادیان تصویر	تشخیص لبه Canny
گرادیان تصویر	تشخیص لبه sobel
تطبیق الگو	---
هرم تصاویر	---
تبدیل هاگ	تشخیص خط
تبدیل هاگ	تشخیص دایره
روش های استخراج و توصیف ویژگی	بررسی مقاله sift	1400/10/24	9:00 الی 13:15
روش های استخراج و توصیف ویژگی	بررسی مقاله surf
روش های تطبیق ویژگی	تطبیق ویژگی با استفاده از RANSAC
استخراج ویژگی و انطباق ویژگی با استفاده opencv	---
توصیف تصویر با استفاده از Bag of words	---
بازیابی تصویر با استفاده از استخراج ویژگی و Bag of words	---
کارگاه	تشخیص و نویسه نگاری شماره کارت بانکی با استفاده از استخراج و تطبیق ویژگی	1400/10/30	9:00 الی 13:15

سرفصل	زیرفصل	تاریخ	ساعت	ارایه دهنده	عنوان
پیش نیاز و مقدمات شبکه های عصبی و یادگیری عمیق	انواع روش های یادگیری	1400/11/01	9:00 الی 13:15	مهندس امیر محمد قریشی	محقق هوش مصنوعی مرکز تحقیقات هوش مصنوعی پارت
	شبکه‏ های کانولوشنی
	دسته‏ بندی تصاویر
الگوریتم ها و مفاهیم تشخیص اشیاء در تصویر	دسته‏ بندی و مکان‏ یابی – آشنایی با مفاهیم تشخیص اشیاء در تصویر
	آشنایی با کاربرد ها و چالش ها
	آشنایی با روش های سنتی و ابتدایی تشخیص اشیا
	تشخیص اشیا دو مرحله ‏ای مبتنی بر ناحیه
	تشخیص ناحیه شی با رگرشن ساده
	استخراج ناحیه ‏های پیشنهادی با الگوریتم selective search
	الگوریتم ‏های RCNN و نسخه‏ های بهبود یافته Fast RCNN و Faster RCNN
	مفاهیم کاربردی در الگوریتم های تشخیص اشیاء IOU و NMS و ROI Pooling
	تشخیص اشیا یک مرحله‌ای با کمک الگوریتم پیشرفته	1400/11/07	9:00 الی 13:15
	آشنایی با الگوریتم YOLO
	بررسی جزییات الگوریتم های نسخه های توسعه یافته YOLO v1, v2, v3
	Anchor Boxes آشنایی با مفاهیم
	آشنایی با الگوریتم تشخیص اشیا Retina Net
	ارزیابی الگوریتم‏ های تشخیص اشیا و معیار میانگین دقت
	شبیه‏ سازی و کدنویسی (پایتون)
پیش نیاز و مقدمات	تعاریف مقدمات آشنایی با تشخیص چهره	1400/11/08	9:00 الی 13:15
	کاربردها
	معرفی مجموعه داده های آموزش و ارزیابی
الگوریتم های استخراج ویژگی و بازشناسی چهره	one-shot learning
	similarity function
	siamese network
	metric learning
	یادگیری نظارت شده face verification
	triplet loss
	center loss
	separable vs discriminative feature vectors
	arcFace
الگوریتم های تشخیص چهره در تصویر	تشخیص و تراز کردن چهره
	mtcnn
	data augmentation
	face landmarks
بیان مفهوم و اهمیت موضوع	بیان مفهوم بخش بندی تصاویر و جایگاه آن در حوزه بینایی ماشین	1400/11/14	9:00 الی 13:15	مهندس سعید خانه گیر	محقق هوش مصنوعی مرکز تحقیقات هوش مصنوعی پارت
بیان مفهوم و اهمیت موضوع	dataset
بررسی دسته های مختلف بخش بندی تصویر	Semantic segmentation
	Instance segmentation
	Panoptic segmentation
بررسی الگوریتم های کلاسیک در بخش بندی تصویر	Edge detection Algorithms
	Clustering Algorithms
	Region-based Algorithms
بررسی مدل های معروف یادگیری عمیق در بخش بندی تصویر	Fully Convolutional Networks
	Encoder-Decoder Architectures
	Multi-Scale and Pyramid Network based Models	1400/11/15	9:00 الی 13:15
	R-CNN Architectures
	DeepLab Family
بررسی تابع هزینه مهم در بخش بندی تصویر	Dice loss
	IOU loss
	Focal loss
	Lovasz-Softmax loss
	Weighted cross-entropy
بررسی معیار های ارزیابی مهم در بخش بندی تصویر	Precision,Mean Average Precision
	Dice coefficient
	Intersection Over Union
آشنایی با دیتاست های معروف	PASCAL Visual Object Classes (VOC)
	PASCAL Context
	Common Objects in Context (MS COCO)
	Cityscapes
آماده سازی داده برای آموزش مدل و آموزش مدل	data augmentation
	ساخت دیتاست شخصی با ابزاری نظیر labelme
	آموزش مدل
کارگاه	تمرین های عملیاتی آموزشی	1400/11/21	9:00 الی 13:15

سرفصل	زیرفصل	تاریخ	ساعت	ارایه دهنده	عنوان
تشخیص افراد	روش های کلاسیک (پنجره لغزان)	1400/11/28	9:00 الی 13:15	مهندس مصطفی مرادی پور - مهندس علیرضا اکبری	محقق هوش مصنوعی مرکز تحقیقات هوش مصنوعی پارت
تشخیص افراد	یادگیری عمیق (شبکه YOLO)	1400/11/28	9:00 الی 13:15
الگوریتم های ترکینگ	روش‌های قدیمی ترکینگ	1400/11/29	9:00 الی 13:15
	الگوریتم SORT	1400/11/29	9:00 الی 13:15
	بازتشخیص فرد	1400/12/05	9:00 الی 13:15
	الگوریتم deep sort
	ترکینگ KLT
تشخیص حرکت برای یک فرد	روش‌های مبتنی بر تصویر	1400/12/06	9:00 الی 13:15
تشخیص حرکت برای یک فرد	روش‌های مبتنی بر ویدیو
تشخیص حرکت برای چند فرد	الگوریتم های دو مرحله‌ای (Two Stage)
تشخیص حرکت برای چند فرد	الگوریتم های یک مرحله ای (One Stage)
کارگاه	پیاده‌سازی یک الگوریتم تشخیص انسان مبتنی بر روش‌های کلاسیک	1400/12/12	9:00 الی 13:15
	پیاده‌سازی الگوریتم KLT
	تشخیص حرکت افراد

سرفصل	زیرفصل	تاریخ	ساعت	ارایه دهنده	عنوان
معرفی داده های پرت	---	1400/12/13	9:00 الی 13:15	مهندس دکتر محمد سبک رو	محقق ارشد پژوهشگاه دانش‌های بنیادی
کاربردها و روش های یادگیری عمیق برای تشخیص داده های پرت	---
چالش ها و راه حل های آنها	---
رابطه قابلیت اعتماد مدل با مقاوم بودن در مقابل داده های پرت	---

سرفصل	زیرفصل	تاریخ	ساعت	ارایه دهنده	عنوان
استفاده از شبکه‌های عصبی بازگشتی	شبکه‌های عصبی بازگشتی در کابردهای دنباله به دنباله	1400/12/19	9:00 الی 13:15	مهندس دکتر رشاد حسینی	استادیار دانشکده مهندسی برق و کامپیوتر دانشگاه تهران
استفاده از شبکه‌های عصبی بازگشتی	مدلهای اینکدر-دیکدر و توصیف تصویر	1400/12/19	9:00 الی 13:15
استفاده از لاس سی-تی-سی	چگونگی استفاده از لاس سی-تی-سی با کاربرد در تبدیل تصویر به متن	1400/12/20	9:00 الی 13:15
استفاده از لاس سی-تی-سی	مدل زبانی و چگونگی وارد کردن آن برای افزایش دقت	1400/12/20	9:00 الی 13:15