اپلیکیشن اندرویدی فلش‌کارت آموزشی شبکه‌های عصبی در تشخیص الگو

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره شبکه‌های عصبی در تشخیص الگو

موضوع کلی: تاریخ علوم کامپیوتر و برنامه‌نویسی

موضوع میانی: شبکه‌های عصبی مصنوعی (اولیه)

📋 سرفصل‌های دوره

• 1. مبانی شبکه‌های عصبی
• 2. نورون‌های مصنوعی و عملکرد آن‌ها
• 3. مدل‌های ریاضی نورون‌ها
• 4. توابع فعال‌سازی رایج
• 5. معماری شبکه‌های عصبی چندلایه
• 6. فرآیند یادگیری در شبکه‌های عصبی
• 7. روش پس‌انتشار خطا
• 8. بهینه‌سازهای گرادیان کاهشی
• 9. نرخ یادگیری و تنظیم آن
• 10. بیش‌برازش و کم‌برازش
• 11. روش‌های مقابله با بیش‌برازش
• 12. معیارهای ارزیابی عملکرد شبکه‌های عصبی
• 13. مجموعه‌داده‌های آموزشی، اعتبارسنجی و آزمون
• 14. پیش‌پردازش داده‌ها و نرمال‌سازی
• 15. انتخاب ویژگی‌های مناسب
• 16. شبکه‌های عصبی پیچشی (CNN)
• 17. لایه کانولوشن و فیلترها
• 18. لایه تجمیع (Pooling)
• 19. معماری‌های معروف CNN (مانند AlexNet, VGG)
• 20. شبکه‌های عصبی بازگشتی (RNN)
• 21. حافظه کوتاه‌مدت بلند (LSTM)
• 22. درک توالی‌ها با RNN
• 23. کاربردهای RNN در پردازش زبان طبیعی
• 24. شبکه‌های مولد تخاصمی (GAN)
• 25. تولید داده‌های جدید با GAN
• 26. شبکه‌های عصبی خودرمزگذار (Autoencoder)
• 27. کاهش ابعاد داده با Autoencoder
• 28. شبکه‌های عصبی گراف (GNN)
• 29. کاربردهای GNN در تحلیل شبکه‌ها
• 30. تشخیص الگو در تصاویر
• 31. تشخیص اشیاء در تصاویر
• 32. قطعه‌بندی تصاویر با شبکه‌های عصبی
• 33. تشخیص چهره با شبکه‌های عصبی
• 34. تشخیص الگو در صدا
• 35. تبدیل ویژگی‌های صوتی
• 36. تشخیص گفتار با شبکه‌های عصبی
• 37. تشخیص موسیقی با شبکه‌های عصبی
• 38. تشخیص الگو در داده‌های سری زمانی
• 39. پیش‌بینی سری‌های زمانی با شبکه‌های عصبی
• 40. کاربردهای شبکه‌های عصبی در پزشکی
• 41. کاربردهای شبکه‌های عصبی در مالی
• 42. کاربردهای شبکه‌های عصبی در صنعت
• 43. انتخاب معماری مناسب شبکه عصبی
• 44. تنظیم هایپرپارامترها
• 45. استفاده از کتابخانه‌های TensorFlow و Keras