دوره کامل Android 16 [بخش 3] - تبدیل شدن به یک استاد

آنچه یاد خواهید گرفت: توسعه‌دهندگان Android در سطح متوسط که با اصول Android آشنا هستند و می‌خواهند وارد توسعه‌ پیشرفته و واقعی اپلیکیشن شوند. توسعه‌دهندگان Android علاقه‌مند به یادگیری ماشین، بینایی ماشین و اپلیکیشن‌های موبایل مجهز به هوش مصنوعی توسعه‌دهندگانی که می‌خواهند Google Maps را یکپارچه کنند و اپلیکیشن‌های واقعی مانند اپلیکیشن‌های مکان‌محور شبیه Uber بسازند. مبتدیان یادگیری ماشین که می‌خواهند مفاهیم یادگیری ماشین را به‌ صورت عملی داخل اپلیکیشن‌های Android به‌کار بگیرند (بدون نیاز به ریاضیات سنگین) توسعه‌دهندگانی که می‌خواهند با استفاده از TensorFlow Lite (TFLite) مدل‌های یادگیری ماشین سفارشی بسازند، آموزش دهند و مستقر کنند. مهندسان Android که هدفشان ساخت اپلیکیشن‌های تشخیص اشیا، از جمله مدل‌های سفارشی YOLO و SSD MobileNet است. دانشجویان یا متخصصانی که برای پروژه‌های پیشرفته‌ Android، هوش مصنوعی یا بینایی کامپیوتری آماده می‌شوند. توسعه‌دهندگانی که می‌خواهند با پروژه‌های پیشرفته‌ Android + یادگیری ماشین رزومه‌ خود را ارتقا دهند. پیش‌نیازهای دوره مهارت‌های پایه‌ Android Studio توضیحات دوره به بخش 3 از مجموعه‌ توسعه‌ی اپلیکیشن Android خوش آمدید؛ جایی که وارد مهندسی پیشرفته‌ Android و یادگیری ماشین روی دستگاه می‌شویم. این دوره برای توسعه‌دهندگانی طراحی شده است که می‌خواهند فراتر از اپلیکیشن‌های سنتی مبتنی بر CRUD بروند و شروع به ساخت اپلیکیشن‌های هوشمند و در سطح تولید کنند که سیستم‌های نقشه، داده‌ بلادرنگ و مدل‌های یادگیری ماشین را با هم ترکیب می‌کنند. ابتدا با یکپارچه‌سازی پیشرفته‌ Google Maps شروع می‌کنید و یاد می‌گیرید چگونه اپلیکیشن‌هایی شبیه Uber بسازید که ردیابی لوکیشن لایو، حرکت دوربین، نشانگرها، مسیریابی polyline، محاسبه‌ فاصله و بهینه‌سازی رابط کاربری مبتنی بر نقشه را برای کاربردهای واقعی مدیریت می‌کنند. در ادامه، به‌ صورت عمیق وارد یادگیری ماشین در Android می‌شوید و به‌جای مفاهیم جداگانه، روی گردش‌کارهای end-to-end تمرکز می‌کنید. شما یاد می‌گیرید چگونه: مجموعه‌ داده‌ها را برای یادگیری ماشین موبایل آماده و ساختاردهی کنید. مدل‌های سفارشی را برای کاربردهای Android آموزش دهید. مدل‌ها را به TensorFlow Lite (TFLite) تبدیل و بهینه‌سازی کنید. مدل‌های یادگیری ماشین را به‌ صورت کارآمد روی دستگاه‌های Android مستقر و اجرا کنید. یکی از محورهای اصلی دوره، بینایی کامپیوتری و تشخیص اشیا است. شما با معماری‌های استاندارد صنعت مانند SSD MobileNet و YOLO کار خواهید کرد و یاد می‌گیرید: تفاوت مدل‌های تشخیص و اینکه هر کدام را چه زمانی باید استفاده کرد؟ چگونه مدل‌های سفارشی تشخیص اشیا را از ابتدا آموزش دهید؟ چگونه این مدل‌ها را اکسپورت کرده و در اپلیکیشن‌های Android یکپارچه کنید؟ چگونه با استفاده از دوربین دستگاه، تشخیص اشیای بلادرنگ انجام دهید؟ همچنین تکنیک‌های بهینه‌سازی مهم برای عملکرد موبایل را یاد می‌گیرید، از جمله کاهش حجم مدل، بهینه‌سازی سرعت inference و مدیریت منابع، تا مطمئن شوید اپلیکیشن‌های شما روی دستگاه‌های واقعی به صورت هموار اجرا می‌شوند. این دوره پروژه‌محور و متمرکز بر پیاده‌سازی است. هر مفهوم مهم مستقیماً روی Android اعمال می‌شود تا درک روشنی از این داشته باشید که یادگیری ماشین، بینایی کامپیوتری و توسعه‌ Android چگونه در محصولات واقعی کنار هم کار می‌کنند. در پایان این دوره، شما: اپلیکیشن‌های پیشرفته‌ Android مبتنی بر نقشه ساخته‌اید. قابلیت‌های مجهز به هوش مصنوعی را با استفاده از یادگیری ماشین روی دستگاه پیاده‌سازی کرده‌اید. مدل‌های سفارشی تشخیص اشیا با TFLite را ایجاد و مستقر کرده‌اید. اپلیکیشن‌های Android بلادرنگ مجهز به یادگیری ماشین و آماده‌ تولید توسعه داده‌اید. مهارت‌های Android و هوش مصنوعی خود را به‌طور چشمگیری ارتقا داده‌اید. این یک دوره‌ سطح پیشرفته است و فرض می‌کند از قبل با Kotlin، Android Studio و اصول Android آشنایی دارید. این دوره برای چه کسانی مناسب است؟ این دوره برای توسعه‌دهندگان Android طراحی شده که از قبل تجربه‌ پایه تا متوسط دارند و می‌خواهند مهارت‌های خود را به سطحی پیشرفته و حرفه‌ای برسانند. توسعه‌دهندگانی که می‌خواهند با استفاده از Google Maps، سرویس‌های لوکیشن و مفاهیم اپلیکیشن‌های شبیه Uber، اپلیکیشن‌های واقعی بسازند. توسعه‌دهندگان Android که به یکپارچه‌سازی یادگیری ماشین و بینایی کامپیوتری در اپلیکیشن‌های خود علاقه‌مند هستند. دانشجویان و متخصصانی که می‌خواهند با پروژه‌های پیشرفته‌ Android + یادگیری ماشین، رزومه‌ خود را تقویت کنند. برنامه‌نویسانی که می‌خواهند تجربه‌ عملی با اپلیکیشن‌های Android مجهز به هوش مصنوعی داشته باشند، نه فقط تئوری توسعه‌دهندگانی که هدفشان ساخت اپلیکیشن‌های تشخیص اشیا با استفاده از مدل‌های YOLO و SSD MobileNet است.