دوره یادگیری عمیق و ربات‌های هوشمند همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری عمیق و ربات‌های هوشمند

موضوع کلی: رباتیک

موضوع میانی: شبکه‌های عصبی کانولوشنی (CNN) برای رباتیک

📋 سرفصل‌های دوره

• 1. مبانی یادگیری عمیق
• 2. شبکه‌های عصبی مصنوعی: معرفی و تاریخچه
• 3. پرceptron و الگوریتم یادگیری آن
• 4. توابع فعال‌سازی: انواع و کاربردها
• 5. شبکه‌های عصبی چندلایه
• 6. انتشار پس‌رو (Backpropagation)
• 7. بهینه‌سازی گرادیان کاهشی
• 8. نرخ یادگیری و تنظیم آن
• 9. بیش‌برازش (Overfitting) و روش‌های مقابله با آن
• 10. Regularization: L1 و L2
• 11. Dropout و اثرات آن
• 12. شبکه‌های عصبی کانولوشن (CNN)
• 13. Convolutional Layers و Pooling Layers
• 14. معماری‌های معروف CNN: LeNet, AlexNet, VGG
• 15. شبکه‌های عصبی بازگشتی (RNN)
• 16. Long Short-Term Memory (LSTM)
• 17. Gated Recurrent Unit (GRU)
• 18. پردازش زبان طبیعی (NLP) با RNN
• 19. Word Embeddings: Word2Vec, GloVe
• 20. شبکه‌های توجه (Attention Mechanisms)
• 21. Transformer Networks
• 22. خودرمزگذارها (Autoencoders)
• 23. انواع خودرمزگذارها: Variational Autoencoders (VAE)
• 24. شبکه‌های مولد تخاصمی (GAN)
• 25. کاربردهای GAN در تولید تصاویر
• 26. یادگیری تقویتی (Reinforcement Learning)
• 27. Q-Learning و Deep Q-Networks (DQN)
• 28. سیاست گرادیان (Policy Gradients)
• 29. محیط‌های شبیه‌سازی شده در یادگیری تقویتی
• 30. انتقال یادگیری (Transfer Learning)
• 31. Fine-tuning و Feature Extraction
• 32. یادگیری بدون نظارت (Unsupervised Learning)
• 33. خوشه‌بندی (Clustering) با استفاده از یادگیری عمیق
• 34. کاهش ابعاد (Dimensionality Reduction) با Autoencoders
• 35. تشخیص ناهنجاری (Anomaly Detection)
• 36. کاربرد یادگیری عمیق در بینایی ماشین
• 37. تشخیص اشیاء (Object Detection)
• 38. Segmentation تصاویر
• 39. کاربرد یادگیری عمیق در پردازش صدا
• 40. تشخیص گفتار (Speech Recognition)
• 41. تبدیل متن به گفتار (Text-to-Speech)
• 42. کاربرد یادگیری عمیق در تحلیل داده‌های سری زمانی
• 43. پیش‌بینی سری‌های زمانی
• 44. مدل‌سازی و پیش‌بینی رفتار مشتری
• 45. بهبود عملکرد مدل‌های یادگیری عمیق