اپلیکیشن اندرویدی فلش‌کارت آموزشی مقدمه‌ای بر یادگیری عمیق با TensorFlow و Keras در پایتون

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر یادگیری عمیق با TensorFlow و Keras در پایتون

موضوع کلی: برنامه نویسی

موضوع میانی: پایتون (Python)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری عمیق و هوش مصنوعی
• 2. نصب و راه‌اندازی TensorFlow و Keras
• 3. آشنایی با مفاهیم پایه تنسورها در TensorFlow
• 4. کار با لایه‌های مختلف در Keras
• 5. مدل‌سازی خطی با شبکه عصبی ساده
• 6. تابع هزینه و بهینه‌سازی در یادگیری عمیق
• 7. معرفی الگوریتم پس‌انتشار خطا
• 8. آماده‌سازی داده‌ها برای شبکه‌های عصبی
• 9. مجموعه‌داده‌های معروف در یادگیری عمیق
• 10. پیش‌پردازش تصاویر با Keras
• 11. شبکه‌های عصبی متراکم (Dense)
• 12. تابع فعال‌سازی و انواع آن
• 13. نرمال‌سازی دسته‌ای (Batch Normalization)
• 14. Dropout و منظم‌سازی برای جلوگیری از بیش‌برازش
• 15. معرفی پایگاه داده MNIST
• 16. طبقه‌بندی ارقام دست‌نویس با شبکه متراکم
• 17. ارزیابی مدل با معیارهای دقت و صحت
• 18. ذخیره و بارگذاری مدل‌های آموزش‌دیده
• 19. معرفی شبکه‌های عصبی کانولوشنی (CNN)
• 20. لایه کانولوشن و فیلترها
• 21. لایه تجمع (Pooling) در CNN
• 22. معماری LeNet-5
• 23. معماری AlexNet
• 24. معماری VGGNet
• 25. معرفی مجموعه‌داده CIFAR-10
• 26. طبقه‌بندی تصاویر رنگی با CNN در Keras
• 27. افزایش داده (Data Augmentation) در تصاویر
• 28. معرفی یادگیری انتقالی (Transfer Learning)
• 29. استفاده از مدل‌های از پیش‌آموزش‌دیده در Keras
• 30. معرفی شبکه‌های عصبی بازگشتی (RNN)
• 31. مشکل ناپدید شدن گرادیان در RNN
• 32. واحد بازگشتی دروازه‌دار (GRU)
• 33. حافظه کوتاه‌مدت بلندمدت (LSTM)
• 34. پردازش متن و سری زمانی با LSTM
• 35. توکن‌سازی و بردارسازی کلمات
• 36. تعبیه کلمات (Word Embedding) در Keras
• 37. طبقه‌بندی احساسات متون با LSTM
• 38. معرفی شبکه‌های مولد تخاصمی (GAN)
• 39. ساخت مولد و تشخیص‌دهنده در GAN
• 40. آموزش GAN با Keras
• 41. معرفی خودرمزگذار (Autoencoder)
• 42. فشرده‌سازی ویژگی با خودرمزگذار
• 43. خودرمزگذار تغییردهنده (Variational Autoencoder)
• 44. معرفی یادگیری تقویتی عمیق
• 45. شبکه Q عمیق (DQN)
• 46. معرفی TensorBoard برای مصورسازی
• 47. ردیابی معیارها و نمودارهای مدل
• 48. تنظیم فراپارامترها با Keras Tuner
• 49. شتاب‌دهنده‌های سخت‌افزاری GPU و TPU
• 50. مدیریت حافظه و بهینه‌سازی عملکرد
• 51. معرفی تنسورفلو سرو (TensorFlow Serving)
• 52. استقرار مدل در محیط تولید
• 53. اشکال‌زدایی و رفع خطاهای رایج در TensorFlow
• 54. پروژه پایانی: دسته‌بندی تصاویر با CNN