اپلیکیشن اندرویدی فلش‌کارت آموزشی مقدمه‌ای بر شبکه‌های عصبی و یادگیری ماشین

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر شبکه‌های عصبی و یادگیری ماشین

موضوع کلی: تاریخ علوم کامپیوتر و برنامه‌نویسی

موضوع میانی: شبکه‌های عصبی مصنوعی (اولیه)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر شبکه‌های عصبی
• 2. نورون‌های مصنوعی و مدل‌سازی آن‌ها
• 3. توابع فعال‌سازی: انواع و کاربردها
• 4. شبکه‌های عصبی تک‌لایه
• 5. یادگیری با نظارت: مفاهیم پایه
• 6. الگوریتم پس‌انتشار خطا
• 7. بهینه‌سازی گرادیان کاهشی
• 8. نرخ یادگیری و تنظیم آن
• 9. معیارهای ارزیابی شبکه‌های عصبی
• 10. بیش‌برازش و کم‌برازش در شبکه‌های عصبی
• 11. روش‌های جلوگیری از بیش‌برازش
• 12. شبکه‌های عصبی چندلایه
• 13. معماری شبکه‌های عصبی عمیق
• 14. لایه کانولوشن: معرفی و کاربردها
• 15. لایه تجمیع: انواع و عملکرد
• 16. شبکه‌های عصبی کانولوشنی برای پردازش تصویر
• 17. شبکه‌های عصبی بازگشتی (RNN)
• 18. حافظه کوتاه‌مدت بلندمدت (LSTM)
• 19. شبکه‌های عصبی دروازه‌ای تکرارشونده (GRU)
• 20. کاربردهای شبکه‌های RNN در پردازش زبان طبیعی
• 21. پردازش زبان طبیعی با شبکه‌های عصبی
• 22. مدل‌سازی زبان با شبکه‌های عصبی
• 23. ترجمه ماشینی با شبکه‌های عصبی
• 24. تشخیص گفتار با شبکه‌های عصبی
• 25. شبکه‌های مولد تخاصمی (GAN)
• 26. کاربردهای GAN در تولید تصاویر
• 27. یادگیری تقویتی: مفاهیم پایه
• 28. Q-Learning و Deep Q-Network
• 29. خط‌مشی گرادیان
• 30. شبکه‌های عصبی خودرمزگذار (Autoencoders)
• 31. کاهش ابعاد با خودرمزگذار
• 32. تشخیص ناهنجاری با خودرمزگذار
• 33. انتقال یادگیری: مفاهیم و روش‌ها
• 34. Fine-tuning شبکه‌های از پیش آموزش‌دیده
• 35. شبکه‌های عصبی گراف
• 36. پردازش داده‌های گراف با شبکه‌های عصبی
• 37. شبکه‌های عصبی توجه (Attention Networks)
• 38. مکانیسم توجه در شبکه‌های عصبی
• 39. شبکه‌های ترانسفورمر
• 40. کاربردهای ترانسفورمر در پردازش زبان طبیعی
• 41. تنظیم ابرپارامترها در شبکه‌های عصبی
• 42. روش‌های جستجوی ابرپارامترها
• 43. تفسیرپذیری شبکه‌های عصبی
• 44. روش‌های تجسم‌سازی شبکه‌های عصبی
• 45. ملاحظات محاسباتی در آموزش شبکه‌های عصبی