دوره مبانی ریاضی شبکه‌های عصبی و الگوریتم‌های یادگیری عمیق در کاربردهای صنعتی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی ریاضی شبکه‌های عصبی و الگوریتم‌های یادگیری عمیق در کاربردهای صنعتی

موضوع کلی: علوم رایانه و هوش مصنوعی

موضوع میانی: یادگیری عمیق و بهینه‌سازی ریاضی

📋 سرفصل‌های دوره

• 1. مبانی جبر خطی در شبکه‌های عصبی
• 2. بردارها و ماتریس‌ها در فضای حالات شبکه
• 3. ضرب داخلی و ضرب ماتریسی در لایه‌های عصبی
• 4. مقادیر ویژه و بردارهای ویژه در تحلیل پایداری شبکه
• 5. مفاهیم پایه مشتق و گرادیان در توابع چندمتغیره
• 6. قاعده زنجیره‌ای در انتشار معکوس خطا
• 7. توابع فعال‌ساز غیرخطی و مشتق‌گیری از آن‌ها
• 8. بهینه‌سازی محدب و غیرمحدب در توابع هزینه
• 9. الگوریتم گرادیان کاهشی و انواع آن
• 10. روش‌های نرخ یادگیری پویا در آموزش شبکه
• 11. معیارهای ارزیابی عملکرد و توابع خطا در مسائل رگرسیون
• 12. توابع زیان در مسائل طبقه‌بندی چندکلاسه
• 13. تنظیم‌کننده‌ها و روش‌های مقابله با بیش‌برازش
• 14. نرمال‌سازی دسته‌ای در لایه‌های پنهان
• 15. مبانی احتمال و آمار در مدل‌های یادگیری عمیق
• 16. توزیع‌های احتمالی در فرآیندهای یادگیری
• 17. تخممین بیشینه درست‌نمایی در آموزش مدل‌ها
• 18. ساختار شبکه‌های عصبی پیش‌رو
• 19. پیکربندی لایه‌های متراکم و اتصالات عصبی
• 20. مقدمه‌ای بر شبکه‌های عصبی کانولوشنی
• 21. عملیات کانولوشن و استخراج ویژگی‌های تصویر
• 22. لایه ادغام و کاهش ابعاد در شبکه‌های بصری
• 23. معماری‌های پایه در بینایی ماشین صنعتی
• 24. مبانی شبکه‌های عصبی بازگشتی
• 25. مسائل ناپایداری گرادیان در شبکه‌های عمیق
• 26. معماری‌های حافظه بلندمدت کوتاه (LSTM)
• 27. مقدمه‌ای بر سازوکار توجه در پردازش داده‌ها
• 28. مبانی ریاضی مدل‌های ترنسفورمر
• 29. بهینه‌سازی مقیاس‌پذیر در سیستم‌های توزیع‌شده
• 30. روش‌های کاهش ابعاد و تحلیل مؤلفه‌های اصلی
• 31. کاربرد یادگیری عمیق در کنترل کیفیت صنعتی
• 32. پردازش سیگنال‌های حسگر با شبکه‌های عصبی
• 33. پیش‌بینی سری‌های زمانی در فرآیندهای تولید
• 34. الگوریتم‌های بهینه‌سازی مبتنی بر مومنتوم
• 35. روش‌های مرتبه دوم و ماتریس هسین در بهینه‌سازی
• 36. پیاده‌سازی بهینه مدل‌ها با کتابخانه‌های استاندارد
• 37. مبانی ریاضی مدل‌های مولد در صنعت
• 38. تکنیک‌های افزایش داده برای بهبود دقت مدل
• 39. اخلاق در هوش مصنوعی و مسئولیت‌پذیری الگوریتمیک
• 40. مستندسازی و استقرار مدل‌های بهینه‌سازی شده در محیط صنعتی