متخصص بینایی کامپیوتر

مقدمه

چارچوب‌های اصلی

توابع هزینه

بهینه سازی و تعمیم پذیری

فرآیند تصمیم مارکوف

روش‌های برنامه نویسی پویا

روش مونت کارلو۱

روش مونت کارلو۲

روش یادگیری temporal difference1

روش یادگیری temporal difference2

Q-learning

N-step return

SARSA

تخمین تابع ارزش

شواهد زیستی

بخش۱: توزیع توام دنباله‌ها

بخش۲: گرادیان سیاست

بخش۳:الگوریتم reinforce و تفسیر آن

بخش۴: بایاس و واریانس

مفاهیم اصلی بخش اول

مفاهیم اصلی بخش دوم

روش های پیشرفته بخش اول

روش های پیشرفته بخش دوم

کنترل کلاسیک و برنامه ریزی

روش‌های برنامه ریزی و جستجو

یادگیری مدل محیط

عدم قطعیت

یادگیری سیاست در یادگیری تقویتی مبتنی بر مدل

یادگیری تقلیدی

روش های random shooting, CEM, MCTS

مقدمه و تعریف

انگیزه‌ها و چالش‌ها

مشکل شیفت توزیع و بیش تخمین تابع ارزش

روش‌های مبتنی بر سیاست

روش‌های مبتنی بر تابع ارزش

روش‌های مبتنی بر مدل

یادگیری تقویتی با بازخورد انسانی

مفاهیم اولیه

الگوریتم‌های UCB و نمونه برداری تامپسون

contextual

معرفی OpenAI Gym

پیاده سازی محیط

پیاده سازی جدولی روش Q-learning

پیاده سازی Q-learning

پیاده سازی SARSA و Double Q-learning

پیاده سازی Q-learning با شبکه‌های عصبی1

پیاده سازی Q-learning با شبکه‌های عصبی2

روش گرادیان سیاست - الگوریتم REINFORCE

روش Actor-Critic

روش گرادیان سیاست - الگوریتم REINFORCE

روش مبتنی بر مدل1

روش مبتنی بر مدل2

روش Actor-Critic

روش مبتنی بر مدل3

روش Multi-Armed Bandit

روش Epsilon-Greedy و Softmax

روش‌های UCB و Thompson Sampling

Syllabus

?What is Image Processing

Image Formation

Basic Filtering

Image Processing Applications 01

Image Processing Applications 02

Advanced Image Formation 01

Advanced Image Formation 02

3D to 2D Projection

Advanced Image Formation 03

Capturing Color

CMYK vs RGB

Color Gamut

Color Representation

Color Visualization

Textures

Texture Representation & Synthesis

Pointwise Operations

Gamma Correction

?What's a Histogram

Histogram Applications

Histogram Equalization

Spatial Filter

1D Convolution

2D Convolution

Image Smoothing

Image Sharpening

Filtering in the Fourier Domain

Sampling and Fourier Transform

Unique Reconstruction

Nyquist Rate

Anti Aliasing

Image Up-Sampling

Dilation & Erosion

Opening and Closing

Hit-miss Filter

Morphological Operators on Grayscale Images

Generalize Morphological Operators

Edge Detection via Gradient

Edge Orientation

Canny Edge Detector

Hough Transform

Introduction to Segmentation

K-Means Clustering

Mean-Shift Algorithm

Min-Cut Segmentation

Normalized-Cut Segmentation

Interactive Segmentation

?What are the Keypoints

Harris Keypoints

Sift Keypoints

SIFT Descriptor

Matching Two Scenes

RANSAC

Image Warping and Blending

Gaussian Pyramid

Laplacian Pyramid

Wavelet Pyramid

Steerable Pyramid

Unitary Transform

KLT & Transform Coding

JPEG

JPEG 2000

Uni & Bi-Directional Prediction

Spatial Prediction & Transform Coding

RDO & Rate-Control

GOP & Deep Learning for Compression

Syllabus

Basic Definitions

Motivations

Conducted Research at IPL

Brief Review on Signals & Systems

Some Simple Image Processing Tasks & Convolution

Fourier Transform 01

Fourier Transform 02

Fourier Transform 03

Fourier Transform 04

Image Filtering 01

Image Filtering 02

Review on Linear Algebra

Parameterizing the Rotation Matrix

Homogeneous Coordinates 01

Homogeneous Coordinates 02

Pinhole Camera Model 01

Pinhole Camera Model 02

Parallel projection 01

Parallel projection 02

Perspective projection

Building simple image mosaics 01

Building simple image mosaics 02

External & internal camera parameters

Homography map 01

Homography map 02

General camera translation

Two calibrated cameras 01

Two calibrated cameras 02

Two calibrated cameras & Calibration using known 3D object

Computing camera parameters from the projection matrix

Computing the projection matrix from E 01

Computing the projection matrix from E 02

Uncalibrated cameras - The fundamental matrix (F) & Projective reconstruction

Computing the projection matrices from F

Rectification using metric information

Surface reconstruction & rendering

Voronoi cells & Delaunay triangulations

Surface mappings, image-based rendering & Planar surfaces, linear mappings

Multiple Cameras 01

Multiple Cameras 02

Some Basic Properties

Derivatives 01

Derivatives 02

Keypoints 01

Keypoints 02

Keypoints 03

Scale Selection

SIFT

HoG

GIST

Keypoint Matching

Template Matching & Chamfer Matching

KD- Tree Search

Model Fitting

M - estimator

Robust Estimation

Data grouping

Learning Types

K-Means clustering

K-nearest neighbor classifier

Expectation-Maximization

Mean shift

Introduction to Deep Learning

Basic Machine Learning Concepts

Deep Learning in Computer Vision

Neural Network Models

Neural Networks

Convolutional Neural Networks

Recurrent Neural Networks

Transformer models

Popular Networks in Computer Vision

Opencv

Edge

Open3d

Homography

Surface Reconstruction

Template Matching 01

Template Matching 02

Sift

Feature Matching 01

Feature Matching 02

Comparison

Scikit Image

HoG

Scikit-learn

Clustering

Pytorch-Introduction

Pytorch-Torchvision

Pytorch-Dataset

Pytorch-Model

Pytorch-Train Loop

Pytorch-Inference

تعریف هوش مصنوعی مولد

مروری بر یادگیری عمیق

شبکه‌های عصبی کانولوشنی، اتصال محلی و اشتراک وزن‌ها

لایه کانولوشنی دوبعدی

گام Pooling و Padding در شبکه‌های عصبی کانولوشنی

تبدیل تصویر به تصویر با شبکه‌‏های کاملا کانولوشنی

شبکه‏‌های کاملا کانولوشنی SegNet و Unet

معرفی مکانیزم‌های توجه

توابع امتیازدهی توجه

توجه Bahdanau در ترجمه ماشینی

توجه به خود

کدگذاری موقعیتی

مبدل (Transformer)

مبدل بینایی (ViT)

تولید تصویر با PixelRNN

خودکدگذارها (Autoencoders)

خودکدگذارهای متغیر برای تولید تصویر

آموزش خودکدگذار متغیر

تولید داده با خودکدگذار متغیر

معرفی شبکه‏‌های رقابتی مولد

آموزش شبکه‏‌های رقابتی مولد

تولید تصویر با وضوح بالا با Progressive GAN

افزودن شرط به شبکه‏‌های رقابتی مولد

تبدیل تصویر به تصویر با تصاویر غیرجفت

شهود پروژه مبتنی بر CycleGAN، راه‌اندازی و خط لوله داده

ساختن مولد

ساختن متمایز کننده

ساختن توابع زیان

حلقه آموزش

مطالعات حذفی و آزمایش‌ها

تبدیل تصویر میان چند حوزه با StarGAN

استفاده از GAN برای تطبیق دامنه

معرفی مدل‌های انتشار برای تولید تصویر

شهود پروژه و ساختار کلی مدل DDPM

ساخت معماری U-Net برای مدل انتشار (بخش اول)

ساخت معماری U-Net برای مدل انتشار (بخش دوم)

آموزش کدگشا در مدل‌های انتشار

شبه‌کد آموزش و نمونه‌گیری از مدل انتشار

آموزش مدل

فرایند نمونه‌برداری

مدل‌های انتشار نهفته (LDM)

انتشار شرطی

افزودن هدایت به مدل‌های انتشار

افزودن شرط به مدل انتشار

تسریع فرآیند نمونه‌برداری

تبدیل متن به تصویر با مدل DALL.E 2

تولید تصویر با مدل DALL.E 2 و ControlNet

چالش‌های اصلی در ارزیابی مدل‌های مولد

روش‌های عینی برای ارزیابی مدل‌های مولد

ارزیابی مدل‌های تولید تصویر شرطی

استفاده از مدل‌های مولد برای داده‌افزایی

پروژه پایانی

Introduction

ML Project Life Cycle

ML life Cycle: Case Study

Deployment

Common Deployment Patterns

Monitoring

Pipeline Monitoring

Modeling

Low Average Test Error isn't Good Enough

Establish a Baseline

Performance Auditing

Data-centric AI

Data Definition

Label Consistency

HLP

Data Pipeline

Scoping

Data Lifecycle

Data

Responsible Data

Labelling

Data Issues

Feature Engineering

Preprocessing in Production

TF Transform

Feature Selection Example

ML Metadata

Evolving Data

Advanced Labeling

Neural Architecture Search

Auto ML

Resource Management

Quantization and Pruning

High Performance Modeling

Model analysis

Robustness

Remediation and Monitoring

Interpretability

Model Serving

Serving Systems

Serving Patterns

Online and Batch Inference

Experiment Tracking

Mlops level 0, 1 and 2

CI/CD

Monitoring and Privacy

FastAPI and a Simple Deep Model

TensorFlow Data Validation

Preprocess Data with TensorFlow Transform

Simple TFX Pipeline

Recursive Feature Elimination

Active Learning

Keras Tuner

Post-Training Quantization

Quantization Aware Training

Pruning

Distributed Training: One Device Strategy

Knowledge Distillation

معرفی کلی درس و ارائه ی چند مثال کاربردی

انواع شبکه ها و گراف ها و وظایف بر روی آنها

انواع گراف ها و ساختار داده ای آنها

گراف هایی با حالت های خاص و گراف های متصل

دسته بندی روش های یادگیری ماشین روی گراف ها

شهود روش های تعبیه گرافی و هدف آن

به دست آوردن شباهت با استفاده از قدم زدن تصادفی

الگوریتم node2vec

به دست آوردن تعبیه ها برای یک گراف

بکار گیری الگوریتم nod2vec بر روی یک مجموعه داده با python

خلاصه ای از جلسه قبل و مبانی یادگیری عمیق

یادگیری عمیق برای گراف ها

شبکه های پیچشی گرافی

ریاضیات مدل و فرآیند آموزش

طراحی مدل و قابلیت استنتاج

مقایسه ی شبکه های عصبی گرافی با شبکه های عصبی پیچشی

پیاده سازی شبکه‌های عصبی گرافی پیچشی با pytorch

بررسی یک لایه از GNN

لایه های کلاسیک GNN وساختار GraphSAGE

مکانیسم توجه و شبکه های توجه گرافی

لایه های GNN‌ در عمل

مقدمه ای بر سیستم های توصیه گر

بکار گیری گراف در سیستم های توصیه گر

مدل های مبتنی بر تعبیه برای سیستم های توصیه گر

معرفی روش فیلترینگ مشارکتی گراف عصبی

معرفی روش light GCN

بکارگیری روش lightGCN برای سیستم‌های توصیه‌گر

معرفی روش pinSAGE‌ و کاربرد آن در شبکه pinterest

تولید گراف : شهود و انگیزه ها

مدل های عمیق تولید گراف

تولید نمونه گراف ها به صورت دنباله ای

شرح شبکه های عصبی بازگشتی گرافی

آموزش مدل graph BNN

ارزیابی گراف های تولیدی

کاربرد مدل های تولید گراف عمیق

مقدمه‌ای بر Edge Ai

سخت‌افزار و دستگاه‌های Edge Ai

نصب فایل ISO سیستم عامل برد Jetson

مبانی یادگیری ماشین و شبکه‌های عصبی

انتخاب مدل Edge Ai

تکنیک Quantization برای انطباق مدل

مدل Pruning

آموزش مدل Edge Ai

حریم خصوصی و امنیت در Edge Ai

ابزار‌ها و چارچوب‌های توسعه Edge Ai

تبدیل یک مدل در PyTorch به TensorFlow

برنامه‌های کاربردی Edge Ai در دنیای واقعی

تکنیک‌های بهینه‌سازی Edge Ai

چالش‌ها و روند‌های آینده در Edge Ai

مقدمه، مشاهده یک پرامپت، مبانی

مبانی و مفاهیم پرامپت‌نویسی

اصول و قواعد پرامپت‌نویسی

مدل‌ها و ابزارهای پرامپت‌نویسی

بررسی تغییر متغیرهای پرامپت‌نویسی و اثر آن‌ها

تمرین نکات اموزشی فصل اول و اجزای پرامپت

پیاده‌سازی یک ایجنت هوش مصنوعی ساده و مرور پرامپت‌های پیشرفته

یادگیری مدل‌های مختلف، ابزارها و بهینه‌سازی پرامپت

روش‌های پیشرفته پرامپت‌نویسی بخش اول

روش‌های پیشرفته پرامپت‌نویسی بخش دوم

پیاده‌سازی دستیار آموزشی

تست دستیار اموزشی و بهبود کیفیت آن

ساخت دستیار آموزشی مالتی ایجنت

روش‌های کاربردی پرامپت‌نویسی بخش اول

روش‌های کاربردی پرامپت‌نویسی بخش دوم

روش‌های کاربردی پرامپت‌نویسی بخش سوم

روش‌های کاربردی پرامپت‌نویسی بخش چهارم

مرور کدهای روش DSP

مرور کد active prompt بخش اول

مرور کد active prompt بخش دوم

مرور کد Tree of Thoughts

مرور کد Automatic reasoning and Tool-use بخش اول

مرور کد Automatic reasoning and Tool-use بخش دوم

مرور کد Program-aided language

مرور کد React

مرور کد Chain of Table

مرور کد Automatic Prompt Engineering

مرور کد Least-to-Most

مرور کد RAG بخش اول

پیاده سازی RAG ساده و بررسی ساختار آن 1

پیاده سازی RAG ساده و بررسی ساختار آن 2

مرور کد RAG بخش دوم

مرور مشکلات prompt نویسی

بررسی کد Text2SQL

آموزش Chainlit و پیاده سازی یک چت بات کامل

مقدمه‌ای بر VLM و مدل‌های چندوجهی (MultiModal)

معرفی CLIP

مفهوم Embedding متن و تصویر

تابع هزینه (Loss Function) و نحوه‌ی آموزش CLIP

استفاده از Hugging Face برای درک Embedding متن در CLIP

بررسی Embedding تصویر و مقایسه‌ی Embedding تصویر و متن

آموزش Zero-Shot با CLIP

آموزش مدل Dual Encoder (مشابه CLIP) با فریم‌ورک Keras

معرفی SigLIP

Image Captioning با Qwen

توصیف تصویر فارسی (Persian Image Captioning)

شناسایی اشیاء (Object Detection)

استفاده از مدل چندوجهی Gemma 3 – بخش اول

استفاده از مدل چندوجهی Gemma 3 – بخش دوم

درک ویدئو با Qwen VL – بخش اول

درک ویدئو با Qwen VL – بخش دوم

دلایل Fine-tuning کردن VLM و مفهوم PEFT

روش‌های LoRA و QLoRA

مثال Fine-tuning روی سؤال و جواب تصویری

مثال Fine-tuning روی OCR فرمول‌های ریاضی

مثال Fine-tuning روی عکس‌های رادیولوژی

آشنایی با تکنیک Diffusion

آشنایی با معماری UNet

استفاده از کتابخانه‌ی Diffusers و آموزش تولید تصویر – بخش ۱

استفاده از کتابخانه‌ی Diffusers و آموزش تولید تصویر – بخش ۲

بارگذاری یک مدل از پیش آموزش‌داده‌شده و خروجی گرفتن با DDIM

Fine-tuning مدل

مفهوم Control و Guidance