2- وبینار مقدماتی آشنایی با زبان پایتون

در این وبینار، به مباحث پایه‌ی زبان برنامه‌نویسی پایتون پرداخته میشه و هدفش اینه که شما رو با چهارچوب اصلی و کلی این زبان آشنا کنه. اینکه بتونید مسائل اولیه و مبتدی برنامه‌نویسی پایتون رو کدنویسی کنید و این‌که چطور میشه در فرآیند انجام یک برنامه شرط یا شروطی رو تعریف کرد و روند اجرای برنامه رو با استفاده از عملگرهای منطقی، بهتر کنترل کرد.

در ادامه با نحوه نوشتن حلقه که یکی از ساختارهای موجود در تمام زبان‌های برنامه‌نویسی هست آشنا می‌شید، تا بتونید دستور یا دستوراتی رو به تعداد محدود تکرار کنید.

بعد از اون با ساختار داده‌های اساسی و پرکاربردی مانند list, string, tuple, dictionary, tuple آشنا می‌شید، چرا میگیم پرکاربرد؟ چون در حل خیلی از مسائل برنامه‌نویسی استفاده از این ساختارها به برنامه‌نویس کمک می‌کنه.

3 -وبینار آشنایی مقدماتی با برنامه‌نویسی رابط کاربر گرافیکی به زبان پایتون (Tkinter)

الان شاید تعجب کنید: رابط کاربر گرافیکی ؟!!! بله رابط کاربر گرافیکی چون برنامه ما پنجره، کلید، جعبه متن، امکان استفاده از ماوس برای انجام عملی در فرم برنامه و غیره رو داره. آیا برنامه‌هایی هم هستند که رابط کاربر گرافیکی ندارند؟ جواب اینه که بله رابط کاربر خط‌فرمانی. تا حالا تو فیلم‌ها دیدین، هکرها تو صفحه مانیتورشون یه پنجره سیاه رنگی هست و تند تند دارند یکسری مثلا ورودی‌هایی رو به اون برنامه میدن و داره کارهایی انجام میده؟ به این برنامه‌ها میگن برنامه با رابط کاربر خط فرمانی.

Tkinter گزینه‌های مختلفی برای توسعه رابط کاربر گرافیکی (GUI) داره. Tkinter یه روش ساده و آسون برای ساختن برنامه‌های سبک GUI هست. یکی از ویژگی‌های بسیار خوب و مهم Tkinter اینه که می‌تونیم از یه پلتفرم به یه پلتفرم دیگه انتقالش بدیم. کدی که نوشتین هم در windows، هم در mac و هم در linux به راحتی کار می‌کنه. تو این وبینار سه تا پروژه کاربردی و جذاب تعریف میشه:

• برنامه دریافت دمای یک شهر به صورت آنلاین از طریق سرویس گوگل
• ساخت مترجم آنلاین
• صفحه کلید مجازی

4 -وبینار مقدماتی ابزارهای برنامه‌نویسی پایتون برای تحلیل داده

در این وبینار یاد می گیری از پایتون چطوری برای تحلیل داده استفاده کنی. تحلیل‌های آماری ساده انجام بدی. چطور از دل داده‌های موجود به داده‌های جدید دست پیدا کنی. کار با کتابخانه‌های Numpy, Pandas, Matplotlib برای مجموعه داده‌های ساده رو یاد می‌گیری. دو تا پروژه خیلی جالب و کاربردی داریم تو این وبینار:

• پردرآمدترین فیلم‌ها در فرانسه
• استفاده از تجزیه و تحلیل داده‌‌ها برای مدیریت کیفیت هوا

5 -وبینار آشنایی با شبکه عصبی مصنوعی و شبکه عصبی چندلایه

شبکه عصبی که معمولا بهش شبکه عصبی مصنوعی هم گفته میشه، سیستمیه  که از طریق تعاملات و ارتباطات بین عصب‌ها و گره‌های یک ساختار لایه‌ای شبیه‌سازی شده از روی مغز انسان ، یاد میگیره. همچنین شبکه عصبی می‌تونه از طریق تحلیل داده‌ها (مثلا شناسایی الگوهای بین داده‌ها، دسته‌بندی داده‌ها و پیش‌‌بینی وقایع آینده) هم عملیات یادگیری رو انجام بده. شبکه عصبی رو میشه به گونه‌ای آموزش داد که مثل مغز انسان با استفاده از تعداد زیادی نمونه، الگوها رو مثلا در صدا یا تصویر شناسایی کنه. شبکه‌های عصبی برای مدل‌سازی روابط غیرخطی کاربرد زیادی دارند و معمولا از اونا برای شناسایی الگوها و دسته‌بندی موضوعات یا سیگنال‌های صدا و تصویر  و همچنین برای سیستم‌های کنترلی استفاده میشه. تو این وبینار یه پروژه جذاب داریم و قراره با استفاده از شبکه عصبی چندلایه بین جنسیت زن و مرد یه طبقه‌بندی انجام بدیم.

6- وبینار عملی آشنایی با شبکه عصبی CNN و معماری آن

شبکه عصبی کانولوشن، Convolutional Neural Network یا همان CNN، یه الگوریتم یادگیری عمیقه که می‌تونه یه عکس رو دریافت کنه، ابعاد و موضوعات مهم عکس رو مشخص کنه و بینشون تمایز قائل بشه. اصلا یکی از دلایل محبوبیت “یادگیری عمیق” همین شبکه‌های عصبی کانولوشن هستند. این شبکه‌ها در مدت کوتاهی تونستند بسیاری از مشکلات بینایی کامپیوتر مثل تشخیص رفتار انسان، شناسایی اشیا، تشخیص چهره، ردیابی و غیره رو حل کنند. این شبکه‌ها در پزشکی هم کاربرد زیادی پیدا کردند. بیاین با بعضی از کاربردهای این شبکه‌ها بیشتر آشنا بشیم:

1-تشخیص چهره

2- تحلیل اسناد

3- تحلیل تغییرات اقلیمی

4- تبلیغات

7- وبینار شناسایی اشیا با YOLO

YOLO یه شبکه عصبی کانولوشن (CNN) هوشمنده که ازش برای شناسایی اشیا در زمان واقعی استفاده میشه. شناسایی اشیا همیشه یکی از مشکلات اساسی بینایی کامپیوتر بوده. Yolo علاوه بر طبقه‌بندی اشیا می‌تونه تشخیص بده این اشیا کجا قرار گرفتند. Yolo از یه شبکه عصبی واحد برای کل یک تصویر استفاده می‌کنه و بعد عکس رو به چند ناحیه تقسیم می‌کنه و برای هر ناحیه یه سری احتمالات پیش‌بینی می‌کنه. Yolo خیلی محبوبه چون هم دقت بالایی داره هم می‌تونه در زمان واقعی کار کنه و عملکردش خیلی سریعه.

تو این وبینار یه پروژه هیجان‌انگیز داریم: می‌خوایم با YOLO هشتاد شی رو با یک وب‌کم ساده شناسایی کنیم.

8-وبینار آشنایی با Transfer Learning

Transfer Learning (TL) یه روش یادگیری ماشینه که اگه بخوایم به زبان ساده توضیحش بدیم، از یه مدل برای انجام یک کاری استفاده می‌ـکنه و بعد همون مدل رو برای وظایف مرتبط دیگه به کار می‌گیره. مثل اینه که اگه شما بلدین دوچرخه‌سواری کنید پس می‌تونید با همون روش هر وسیله دیگه‌ای که دو چرخ داشته باشه رو هم برونید. از TL برای بهبود عملکرد مدل‌های یادگیری عمیق استفاده می‌شه. TL کاربردهای خیلی زیادی داره: در پزشکی، در ساختن بازی‌های کامپیوتری، در شناسایی تصویر و صدا  و… یکی از کاربردهای جالبش اتومبیل‌های بدون راننده‌ست، یعنی می‌تونه با دقت بالا وسایل نقلیه دیگه رو تو جاده‌ها و خیابون‌ها شناسایی کنه و این‌طوری دیگه نیازی به راننده نیست.

یه پروژه جالب و پرکاربرد که قرار تو این وبینار  اجرا بشه: شناسایی تشخیص ریه آلوده به ویروس کرونا با استفاده از TL.