رویداد به پایان رسیده است!
مدرسه تابستانی روش های مدرن در بینایی ماشین در تاریخچهارشنبه ۱۳ شهریوربه پایان رسیده است. (جزئیات بیشتر)

مدرسه تابستانی روش های مدرن در بینایی ماشین

شروع:
شنبه ۹ شهریور ۹۸ ۰۸:۰۰
پایان:
چهارشنبه ۱۳ شهریور ۹۸ ۱۹:۰۰
مکان: تهران
مدرسه تابستانی روش های مدرن در بینایی ماشین
برگزارکننده‌ی رویداد
مهلت ثبت‌نام برای این رویداد به پایان رسیده است.

توضیحات

آدرس گروه تلگرامی رویداد:    https://t.me/joinchat/Ba1SvhRxVhTNfvIPrazPQA

با توجه به درخواست ها و تماس های مکرر دوستان مبنی بر کاهش مبلغ ثبت نام جهت تسهیل امکان ثبت نام برای دانشجویان، تصمیمات زیر توسط برگزارکنندگان اتخاذ گردید: 


- ثبت نام زود هنگام تا قبل از ۱۵ مرداد: 
۵۰ درصد تخفیف 


- ثبت نام مرحله ی دوم از ۱۵ مرداد تا ۱ شهریور: 
۲۵ درصد تخفیف


-ثبت نام پس از تاریخ ۱ شهریور: 
بدون تخفیف

( این تخفیف در مبالغ فعلی اعمال شده است.)
 

** این رویداد برای دانشجویانی که بخواهند به صورت گروهی (4 نفر یا بیشتر) ثبت نام کنند و یا افرادی که بخواهند همه ی کارگاه ها را به طور کامل ثبت نام نمایند، 20% تخفیف خواهد داشت.

** به شرکت کنندگان کارگاه ها، گواهی شرکت در کارگاه از طرف دانشکده ی مهندسی و علوم کامپیوتر، دانشگاه شهید بهشتی و به زبان انگلیسی ارائه خواهد شد.  

 

اهداف رفتاری:

شرکت کنندگان در پایان برگزاری کارگاه ها باید:

1-      مفاهیم پایه ی شبکه های عصبی را آموخته باشند.

2-      مفاهیم مرتبط با تشکیل شبکه های عمیق کانولوشنی و کاربرد آن ها را درک کرده باشند.

3-      مفاهیم مرتبط با شبکه های عمیق بازگشتی و کاربردهای آن را درک کرده باشند.

4-      بتوانند در رابطه با بهینه سازی شبکه های عمیق راهکارهایی را پیشنهاد دهند.

5-      بتوانند نرم افزار برنامه نویسی پایتون را نصب نموده و اصول اولیه ی کار با آن را آموخته باشند.

6-      بتوانند مثال هایی از شبکه های عصبی چندلایه، کانولوشنی و بازگشتی برای کاربردهای بینایی ماشین را در محیط پایتون اجرا نمایند.

7-      قادر به مطالعه ی روش کار مقالات مرتبط با این حوزه و ادراک آن باشند.

8-      بتوانند ایده های کلی مرتبط با بخش بندی، ارزیابی کیفیت تصاویر، تشخیص چهره و پرسش و پاسخ بصری را درک نمایند.

9-      بتوانند شبکه های عصبی عمیق مورد استفاده در مقالات مرتبط با حوزه های بینایی ماشین اشاره شده در مورد 8 را تحلیل و پیاده سازی نمایند.

 

 

دغدغه ی اصلی بینایی ماشین ایجاد سامانه هایی است که از طریق داده های تصویری بتوانند اطلاعات مناسبی را استخراج نمایند. این اطلاعات می تواند منجر به ادراک محیط شود و در حقیقت کاری را انجام دهد که سیستم بصری انسان قادر به انجام آن است. بینایی ماشین مشتمل بر دریافت، پردازش، تحلیل و ادراک داده های تصویری است تا از این طریق بتواند اقداماتی همچون تشخیص اشیا و رویدادها، تشخیص افراد و اطلاعات موقعیتی آن ها، تشخیص حرکت، بخش بندی صحنه و موارد مشابه دیگر بدون حضور انسان و به صورت خودکار ممکن شود. پیشرفت های بینایی ماشین در سال های اخیر سرعت گرفته است و با مطرح شدن روش های جدید در یادگیری ماشین، صورتی مدرن به خود گرفته است. با ظهور روش های مبتنی بر یادگیری عمیق در بینایی ماشین، این زمینه از دانش هوش مصنوعی دستخوش تغییرات عمده ای گردیده است.

امروزه استفاده از روش های یادگیری ماشین و علی الخصوص شبکه های عصبی عمیق در کاربردهای مختلف بسیار مورد توجه قرار گرفته است. شبکه های عصبی که براساس ماهیت عملکرد نورون های طبیعی در در سیستم عصبی انسان شبیه سازی شده اند، کمک می کنند تا با در دست داشتن یک مجموعه از داده ها و آموزش شبکه براساس آن ها، در رویارویی با داده های جدید اقدام به پیش بینی نتیجه نمود. این شبکه ها به طرز گسترده ای در علوم مختلف مورد استفاده قرار گرفته اند و نتایج مطالعات نشان از توانایی قابل توجه این شبکه ها در پیش بینی دارند. در مقایسه با شبکه های عصبی چندلایه، شبکه های عصبی عمیق در مدت زمانی کوتاه به دلیل توانایی بالایشان در تخمین نتایج به سرعت همه گیر شده اند و بسیاری از مطالعات در زمینه های گوناگون، گرایش به استفاده از این روش ها به عنوان روش پیشنهادی خود دارند و به دلیل نتایج شگفت آور، این شبکه ها منجر به تحولات اساسی در آن گرایش­ها شده است.  

هدف کلی از اجرای این مدرسه تابستانی، آموزش دانشجویان در این حیطه ی جدید از علم یادگیری ماشین است به نحوی که قادر باشند، با استفاده از این روش ها مطالعاتی را در چهارچوب بینایی ماشین تعریف و اجرایی نمایند. این مدرسه تابستانی از کارگاه های متعددی تشکیل شده است که متقاضیان بسته به توانایی و دانشی که دارند می توانند بخش های گوناگون آن را انتخاب و در آن ها شرکت نمایند. با توجه به لزوم بهره گیری روش های تدریس شده در این کارگاه ها به صورت عملی، بخشی هم برای آموزش پیاده سازی این شبکه های عمیق در نرم افزار پایتون در نظر گرفته شده است. این بخش به خوبی می تواند دانشجویان و متقاضیان را با نحوه­ی پیاده سازی عملی این شبکه ها آشنا سازد و از آن جا که نرم افزار پایتون همراه با کتابخانه های مربوط به شبکه های عمیق عصبی به عنوان یکی از بهترین و پرکاربردترین نرم افزارهای برنامه نویسی در این حیطه شناخته می شود، آموزش این نرم افزار در این مدرسه تابستانی در دستور کار قرار گرفته است.

بیراه نیست اگر بگوییم که با توجه به همه گیر شدن استفاده از شبکه های عمیق در کاربردهای گوناگون از جمله بینایی ماشین، متقاضیان این کارگاه ها می توانند دانشجویانی از رشته های دیگر غیر از کامپیوتر هم باشند. بنابراین پیشنهاد تیم برگزار کننده به متقاضیان این است که این فرصت را از دست ندهند و در آن شرکت کنند و با مبانی، اصول و پیاده سازی این شبکه ها در یک محیط دانشگاهی آشنا شوند.

سخنرانان

دکتر محسن ابراهیمی مقدم

دکتر محسن ابراهیمی مقدم

دانشیار دانشکده مهندسی و علوم کامپیوتر، دانشگاه شهید بهشتی

دکتر احمد علی آبین

دکتر احمد علی آبین

استادیار دانشکده مهندسی و علوم کامپیوتر، دانشگاه شهید بهشتی

علی نظری

علی نظری

دانشجوی دکتری هوش مصنوعی، دانشکده مهندسی و علوم کامپیوتر، دانشگاه شهید بهشتی

شهاب الدین نبوی

شهاب الدین نبوی

دانشجوی دکتری هوش مصنوعی، دانشکده مهندسی و علوم کامپیوتر، دانشگاه شهید بهشتی

سمیه احمدخانی

سمیه احمدخانی

دانشجوی دکتری هوش مصنوعی، دانشکده مهندسی و علوم کامپیوتر، دانشگاه شهید بهشتی

راضیه گنجی

راضیه گنجی

دانشجوی دکتری هوش مصنوعی، دانشکده مهندسی و علوم کامپیوتر، دانشگاه شهید بهشتی

سعیده فولادگر

سعیده فولادگر

دانشجوی دکتری هوش مصنوعی، دانشکده مهندسی و علوم کامپیوتر، دانشگاه شهید بهشتی

برگزارکنندگان

آزمایشگاه پردازش تصویر

آزمایشگاه پردازش تصویر

دانشکده مهندسی و علوم کامپیوتر، دانشگاه شهید بهشتی

زمان‌بندی

روز اول
عنوانشروعپایان
آغاز و خوش‌آمدگویی

سوالات متداول

پیش‌نیاز های علمی شرکت در این رویداد چیست؟
آشنایی مقدماتی با پردازش تصویر و نرم افزار Python ( در صورت ثبت نام در کارگاه عملی)

آدرس:تهران ولنجک، دانشگاه شهید بهشتی، دانشکده مهندسی و علوم کامپیوتر