توضیحات

یادگیری عمیق با PyTorch برای تحلیل و آنالیز تصاویر پزشکی

نام دوره : Deep Learning with PyTorch for Medical Image Analysis

آخرین به روزسانی (11/2021) با کیفیت 1080 تهیه شده رسمی یودمی ایران

پیش نیاز:

• آشنایی با موضوعات پایه پایتون (انواع داده، حلقه ها، توابع) همچنین Python OOP توصیه می شود
• PyTorch ایده آل است، اما الزامی نیست

توضیحات:

آیا می خواهید شبکه های عصبی عمیق را برای بیش از MNIST، CIFAR10 یا گربه ها در مقابل سگ ها اعمال کنید؟

آیا می‌خواهید در حین تقسیم‌بندی سرطان در تصاویر CT، در مورد آخرین چارچوب‌های یادگیری ماشین بیاموزید؟

پس این دوره مناسب برای شماست!

به یکی از جامع ترین دوره های آموزش عمیق در تصویربرداری پزشکی خوش آمدید!

این دوره بر روی کاربرد پیشرفته ترین معماری های یادگیری عمیق در چالش های مختلف تصویربرداری پزشکی تمرکز دارد.

شما با چندین کار مختلف از جمله تقسیم بندی سرطان، طبقه بندی ذات الریه، تشخیص قلب، تفسیرپذیری و بسیاری موارد دیگر سرو کار خواهید داشت.

موضوعات زیر در یادگیری عمیق با PyTorch برای تحلیل و آنالیز تصاویر پزشکی پوشش داده شده است:

• NumPy
• تئوری یادگیری ماشین
• تقسیم داده‌های تست/آموزش/اعتبار
• ارزیابی مدل – وظایف رگرسیون و طبقه بندی
• تانسورها با PyTorch
• شبکه های عصبی کانولوشنال
• تصویربرداری پزشکی
• تفسیرپذیری تصمیم شبکه – چرا شبکه همان کاری را که انجام می دهد انجام می دهد؟
• یکی از پیشرفته ترین کتابخانه های pytorch سطح بالا: pytorch-lightning
• تقسیم بندی تومور
• داده های سه بعدی
• و خیلی بیشتر

چرا این آموزش عمیق با PyTorch را برای دوره تحلیل تصویر پزشکی انتخاب کنید؟

این دوره دانش منحصر به فردی را در مورد کاربرد یادگیری عمیق در مسائل بسیار پیچیده و غیر استاندارد (پزشکی) (در دو بعدی و سه بعدی) ارائه می دهد.

همه درس‌ها شامل تئوری خلاصه شده و مثال‌های همراه با کد هستند تا بتوانید هر مرحله را بفهمید و دنبال کنید.

دوره یادگیری عمیق با PyTorch برای تحلیل و آنالیز تصاویر پزشکی برای چه کسانی است:

• توسعه دهندگان پایتون و مهندسان یادگیری ماشینی که می خواهند یاد بگیرند که چگونه با مشکلات دنیای واقعی که به طور روزانه در زمینه تصویربرداری پزشکی با کمک شبکه های عصبی پیچیده عمیق حل می شوند، مقابله کنند.
• همه کسانی که می خواهند درباره زمینه مشترک هوش مصنوعی و تصویربرداری پزشکی و نحوه عملکرد آن اطلاعات بیشتری کسب کنند
• توسعه‌دهندگانی که با دانش پایه یادگیری عمیق آشنا هستند و می‌خواهند مهارت‌های خود را بیش از مشکلات اسباب‌بازی به کار ببرند
• متخصصان پزشکی علاقه مند به نحوه عملکرد هوش مصنوعی در پزشکی هستند

بخشی از دوره :