طاها باختری

توضیحات بیشتر: این پروژه از یادگیری عمیق برای حل کدهای CAPTCHA پیچیده با دقت بیش از 95% استفاده می کند. این پروژه شامل یک مدل سفارشی YOLO برای تشخیص کاراکترها، یک مدل آموزش دیده .h5 برای شناسایی و یک مجموعه داده 181 هزار تایی از CAPTCHAهای چالش برانگیز است. با یک API یکپارچه و کد منبع کامل، کاربردهای واقعی در حل CAPTCHA و تست امنیت را به نمایش می گذارد.

توضیحات بیشتر: یک پروژه مبتنی بر یادگیری عمیق برای شناسایی ارقام فارسی (۰-۹) است. این پروژه شامل یک مدل پیش‌آموز، مجموعه داده سفارشی از تصاویر ارقام فارسی و یک سیستم OCR برای پیش‌بینی دقیق است. به راحتی می‌توانید از این مدل برای پروژه‌های خود استفاده یا آن را مجدداً آموزش دهید.

توضیحات بیشتر: تشخیص دیابت یک پروژه یادگیری ماشینی برای پیش‌بینی پیامدهای دیابت با استفاده از رگرسیون لجستیک است. مجموعه داده شامل ویژگی‌هایی مانند سطح گلوکز و BMI است. این پروژه داده‌ها را پیش‌پردازش می‌کند، یک مدل را آموزش می‌دهد و دقت آن را ارزیابی می‌کند.

توضیحات بیشتر: این پروژه یک سیستم شناسایی پلاک خودروهای ایرانی با استفاده از یادگیری ماشین است. این سیستم تصاویر پلاک را پردازش می‌کند، یک مدل برای تشخیص ارقام آموزش می‌دهد و آن را برای پلاک‌های کامل اعمال می‌کند. این سیستم تصویر پلاک را قطعه‌بندی می‌کند، هر رقم را پیش‌بینی می‌کند و شماره پلاک کامل را بازسازی می‌کند. این سیستم به‌طور خاص برای پلاک‌های خودروهای ایرانی طراحی شده است.

توضیحات بیشتر: این پروژه شامل ساخت یک مدل یادگیری ماشین است که با استفاده از دادههای مالی و شخصی افراد، احتمال بازپرداخت وام را پیشبینی میکند.

توضیحات بیشتر: الگوریتمهای یادگیری عمیق برای تحلیل تصاویر پزشکی بهویژه برای تشخیص سرطان در مراحل از شبکههای عصبی کانولوشنی )CNN )استفاده میشود که قادر اولیه است. در این پروژه، معمو ًال به شناسایی ویژگیهای پیچیده در تصاویر پزشکی هستند.د ر این پروژه، از الگوریتمهای یادگیری عمیق برای تحلیل تصاویر پزشکی و تشخیص سرطان در مراحل اولیه استفاده شده است.

توضیحات بیشتر: هدف این پروژه میتواند شامل شناسایی صداهای خاص یا طبقهبندی انواع مختلف سیگنالهای صوتی باشد. این نوع پروژهها در زمینههای مختلفی مانند تشخیص گفتار، شناسایی صدای حیوانات، نظارت صوتی، تشخیص محیطهای صوتی و حتی کاربردهای امنیتی قابل استفاده هستند.د ر این پروژه، از الگوریتمهای پردازش سیگنال برای تحلیل و تشخیص الگوهای صوتی استفاده شده است.

توضیحات بیشتر: این پروژه شامل توسعه یک سیستم تبدیل گفتار به متن با استفاده از یادگیری عمیق و پردازش زبان طبیعی است. هدف آن تبدیل گفتار انسان به متن است که در کاربردهایی مانند دستیارهای صوتی، تحلیل دادههای صوتی، و دسترسی پذیری استفاده میشود

توضیحات بیشتر: این پروژه به تحلیل احساسات در جمالت متنی میپردازد. هدف آن شناسایی احساسات مختلف مثبت، منفی یا خنثی در متون است. با استفاده از دادههای متنی نظیر نظرات کاربران یا پست های شبکه های اجتماعی، سیستم قادر است احساسات نهفته در متنها را تشخیص برای تحلیل نظرات کاربران، بررسی رسانه های دهد. این پروژه معمو ًال اجتماعی وش پیشبینی واکنشها در پلتفرمهای مختلف کاربرد دارد.

توضیحات بیشتر: دیتاست «CAPTCHA Characters Dataset» شامل بیش از ۱۱۸٬۱۶۷ تصویر از کاراکترهای مجزای CAPTCHA است که مجموعه‌ای متنوع از حروف و ارقام را در بر می‌گیرد. این مجموعه برای پژوهش‌های مرتبط با تشخیص کاراکتر نوری (OCR) و یادگیری عمیق بسیار مفید است. این دیتاست به‌طور خاص برای آموزش و ارزیابی مدل‌های یادگیری ماشین در زمینه تشخیص کاراکترهای CAPTCHA طراحی شده است. تصاویر موجود در این مجموعه، کاراکترهای منفردی هستند که از CAPTCHAهای پیچیده استخراج شده‌اند و به پژوهشگران امکان می‌دهند تا مدل‌های خود را برای تشخیص دقیق‌تر و مؤثرتر این کاراکترها آموزش دهند. استفاده از این دیتاست می‌تواند به بهبود سیستم‌های تشخیص متن و افزایش دقت مدل‌های OCR کمک کند. همچنین، این مجموعه داده‌ها می‌تواند در تحلیل و ارزیابی نقاط ضعف و قوت سیستم‌های CAPTCHA مورد استفاده قرار گیرد و به توسعه‌دهندگان در طراحی CAPTCHAهای مقاوم‌تر در برابر حملات کمک کند.

نام مجتمع: EVIDENTLY AI

نام مجتمع: HACKERRANK

نام مجتمع: Hugging Face