حول هذه الدورة
تقدّم هذه الدورة رحلة شاملة في مجال Computer Vision، تبدأ من الأسس النظرية لفهم ماهية الصورة الرقمية، مرورًا بمراحل Image Processing وتقنياتها، وصولًا إلى الmodels المتقدمة في Deep Learning for Computer Vision. تم تصميم هذه الدورة لتزويد المتعلّم بخبرة عملية وعلمية متكاملة، تجعل منه قادرًا على بناء أنظمة رؤية حاسوبية(Computer Vision Solutions) متطورة تُستخدم في التطبيقات الصناعية والبحثية.
أهداف التعلم
المواد
- محاضرات مسجّلة تغطي الأساسيات والتطبيقات المتقدمة.
- شرائح العرض (Slides) الخاصة بكل وحدة.
- كود برمجي كامل (Jupyter Notebooks + Python Scripts).
- مجموعات بيانات (Datasets) للتدريب والتجارب العملية.
- أمثلة عملية على مشاريع (Capstone Projects).
- ملفات مرجعية وروابط لمقالات وأوراق بحثية مختارة.
- دعم فني ومجتمع نقاش للطلاب.
متطلبات
- عرفة أساسية بلغة Python.
- إلمام مبدئي بمفاهيم Linear Algebra و Statistics (مستوى بسيط يكفي).
- جهاز كمبيوتر بإمكانيات مناسبة (يفضّل وجود GPU، أو إمكانية استخدام Google Colab).
- تثبيت بيئة عمل Python (Anaconda/Miniconda أو Virtual Environment).
- الالتزام بمتابعة التمارين العملية والمشاريع.
- رفع المشاريع النهائية للحصول على التقييم والشهادة.
الجمهور المستهدف
- المبتدئون في Computer Vision الراغبون في بناء أساس متين.
- الباحثون والمهندسون الراغبون في الانتقال إلى استخدام Deep Learning في الرؤية الحاسوبية.
- المطوّرون الطامحون لتطبيق الرؤية الحاسوبية في مجالات مثل السيارات ذاتية القيادة، الروبوتات، والأمن.
منهاج دراسي
Image Processing
1.1.Image and Image Types00:15:00
1.2. Image Processing Definition00:16:00
1.3. OpenCV00:08:00
1.4. Image Denoising00:19:00
image processing Quiz
1.5. Time Domain Filters00:03:00
time domain filters Quiz
2.Fourier Transform00:17:00
fourier transform Quiz
3.Practice00:43:00
4.Histogram Equalization00:21:00
histogram equalization Quiz
5.Image Segmentation(Binary Segmentation)00:17:00
6.Recap00:14:00
7.How Filter work00:3:00
8.Gradients – Edge Detection00:16:00
9.Egde Detection (Sobel Edge Detection)00:21:00
10.Egde Detection (Canny Edge Detection)00:19:00
11. Image Segmentation (Practice)00:16:00
segmentation edge detection Quiz
12. Grey Level Segmentation00:11:00
13. Clustering Segmentation Part 100:29:00
14. Clustering Segmentation Part 200:16:00
segmentation Quiz
15. Morphological Operations00:37:00
Assignment 1 : Image Segmentation
16.Feature Detection00:42:00
17.Blob Detection00:37:00
18.Detection Practice00:00:00
feature blob detection Quiz
19.Recap01:00:00
Assignment 2 : Feature Detection
Deep Learning for Computer Vision
احصل على شهادة
أضف هذه الشهادة إلى سيرتك الذاتية لإثبات مهاراتك وزيادة فرصك في لفت الانتباه.
أساتذتك
Ali Khaled
Machine Learning Engineer with a solid foundation in deep learning, natural language processing (NLP), and computer vision. Skilled in predictive modeling and proficient in Python, with a strong track record of developing AI-powered solutions that enhance efficiency, accuracy, and innovation across diverse applications.
ElSayed Mustafa
Technical Team Lead at NeuroTech
At NeuroTech, our team is pioneering AI-driven solutions in the different sectors,Compute, leveraging my background in Computer Science and Artificial Intelligence from Benha University. We've successfully developed Artificial Intelligence and data analytics strategies that have positioned us at the forefront of industry innovation.
With a strong foundation in ArtificialIntelligence, we focus on creating tools that not only enhance customer experiences but also drive organizational growth. Our commitment to excellence at NeuroTech has fostered a culture where cutting-edge technology meets practical business applications.
المواد
- محاضرات مسجّلة تغطي الأساسيات والتطبيقات المتقدمة.
- شرائح العرض (Slides) الخاصة بكل وحدة.
- كود برمجي كامل (Jupyter Notebooks + Python Scripts).
- مجموعات بيانات (Datasets) للتدريب والتجارب العملية.
- أمثلة عملية على مشاريع (Capstone Projects).
- ملفات مرجعية وروابط لمقالات وأوراق بحثية مختارة.
- دعم فني ومجتمع نقاش للطلاب.
