کدنویسی هوشمند: پایتون در پردازش تصویر و هوش مصنوعی

کدنویسی هوشمند- مقدمه

با گسترش روزافزون کاربردهای فناوری‌های نوین در علوم مهندسی، پزشکی، فیزیک، محیط‌زیست و علوم داده، نیاز به تربیت نیروی انسانی توانمند در حوزه‌ برنامه‌نویسی و تحلیل داده‌های تصویری بیش از پیش احساس می‌شود. زبان برنامه‌نویسی پایتون، به دلیل سادگی، انعطاف‌پذیری و برخورداری از کتابخانه‌های گسترده در حوزه‌هایی چون پردازش تصویر، بینایی ماشین، و هوش مصنوعی، به یکی از اصلی‌ترین ابزارهای مورد استفاده در دانشگاه‌ها و صنعت بدل شده است.

دوره‌ی حاضر با عنوان “کدنویسی هوشمند: پایتون در پردازش تصویر و “AI به‌ منظور ارتقای مهارت‌های عملی و تحلیلی دانشجویان، پژوهشگران، و علاقمندان طراحی شده است. هدف این دوره، آموزش ساختاریافته‌ی زبان پایتون از سطح پایه تا پیاده‌سازی پروژه‌های کاربردی در حوزه‌ی پردازش تصویر و الگوریتم‌های هوشمند است، به‌گونه‌ای که شرکت‌کنندگان بتوانند پس از اتمام دوره، از دانش کسب‌شده در پروژه‌های تحقیقاتی، صنعتی، یا آموزشی بهره‌برداری نمایند.

سرفصل‌های این دوره با رویکرد مهارت‌محور و پروژه‌محور طراحی شده‌اند و بیش از ۷۵٪ محتوای آن به تمرین‌های عملی اختصاص دارد. این دوره می‌تواند به‌عنوان بخشی از برنامه توانمندسازی دانشجویان تحصیلات تکمیلی، اعضای هیأت علمی جوان، یا کارکنان فناور مراکز علمی و صنعتی مورد استفاده قرار گیرد.

با توجه به رشد تقاضای جامعه دانشگاهی و صنعتی برای مهارت‌های بین‌رشته‌ای در حوزه هوش مصنوعی و برنامه‌نویسی، تصویب و اجرای این دوره گامی مؤثر در راستای تحقق اهداف کلان دانشگاه در توسعه آموزش‌های مهارتی، اشتغال‌محور و آینده‌نگر خواهد بود.

هدف از برگزاری دوره

1.     کسب مهارت در پیاده‌سازی کد نویسی پایتون با هدف آماده‌سازی داده‌های تصویری:

شرکت‌کنندگان باید تا پایان دوره، توانایی نوشتن اسکریپت‌های پایتون برای بارگذاری، پیش‌پردازش و اعمال فیلترهای پایه (مانند grayscale، blur، thresholding و edge detection) بر روی حداقل ۵ تصویر مختلف را داشته باشند.

2.     اجرای یک پروژه ساده هوش مصنوعی با داده تصویری:

فراگیران باید بتوانند در پایان دوره، یک مدل طبقه‌بندی تصویر (با استفاده از کتابخانه‌های scikit-learn یا Keras) را روی مجموعه داده کوچک (مانند تصاویر حیوانات یا اشیاء) آموزش داده و با دقت حداقل ۷۰٪ مدل خود را ارزیابی و تحلیل کنند.

محتوای آموزشی

الف) مبانی برنامه‌نویسی با پایتون

1- معرفی پایتون و محیط‌های کدنویسی

2- مفاهیم پایه: متغیر، شرط، حلقه، تابع

شرح کار:

·   اجرای اسکریپت‌های ساده

·   تمرین‌های ساختار شرطی، تکرار، توابع

·   ساخت برنامه‌های کوچک (ماشین‌حساب، لیست خرید)

ب) داده و تصویر در پایتون

  معرفی NumPy، Pandas، Matplotlib

  ساختار تصویر دیجیتال و ماتریس پیکسلی

   ایجاد آرایه‌ها، خواندن فایل داده، رسم نمودار

   بارگذاری و نمایش تصویر

   تغییر اندازه، برش، چرخش، تغییر رنگ

پ) پردازش تصویر پایه

 ·   مدل‌های رنگی (RGB، Grayscale، HSV)

·   مفاهیم آستانه‌گذاری، هیستوگرام، لبه‌یابی

·   ترسیم هیستوگرام و افزایش کنتراست

·   اعمال فیلتر (blur، canny، sobel)

·   اعمال عملیات مورفولوژیکی

·   شناسایی نواحی و ترسیم کانتور

ت) مقدمه‌ای بر AI و بینایی ماشین 

·   مقدمه یادگیری ماشین و شبکه‌های عصبی

·   مفاهیم آموزش، تست، ارزیابی مدل

·   آماده‌سازی مجموعه‌داده تصویری

·   پیاده‌سازی مدل طبقه‌بندی ساده با scikit-learn/Keras

·   تحلیل نتایج مدل (دقت، ماتریس آشفتگی)

مزایای شرکت در دوره