دوره شبکه‌های عصبی کانولوشنال همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره شبکه‌های عصبی کانولوشنال

موضوع کلی: برنامه‌نویسی کامپیوترهای خانگی

موضوع میانی: AI for AI Vision Setting

📋 سرفصل‌های دوره

• 1. شبکه‌های عصبی کانولوشنال: مقدمه‌ای
• 2. مفاهیم پایه یادگیری عمیق
• 3. مروری بر یادگیری ماشین و تفاوت آن با یادگیری عمیق
• 4. معماری کلی شبکه‌های عصبی کانولوشنال
• 5. لایه‌های کانولوشنال: فیلترها و نقش آنها
• 6. تابع فعال‌سازی در لایه‌های کانولوشنال
• 7. لایه‌های Pooling: کاهش ابعاد و ویژگی‌های مهم
• 8. لایه‌های Fully Connected: طبقه‌بندی و تصمیم‌گیری
• 9. تابع هزینه و بهینه‌سازی در شبکه‌های عصبی
• 10. الگوریتم‌های بهینه‌سازی: گرادیان کاهشی
• 11. تنظیم نرخ یادگیری و اهمیت آن
• 12. بیش‌برازش (Overfitting) و روش‌های جلوگیری از آن
• 13. نرمال‌سازی دسته‌ها (Batch Normalization)
• 14. شبکه‌های عصبی کانولوشنال برای تشخیص تصویر
• 15. شبکه‌های عصبی کانولوشنال برای پردازش ویدئو
• 16. مجموعه داده‌های استاندارد برای آموزش شبکه‌های عصبی
• 17. آماده‌سازی داده‌ها برای شبکه‌های عصبی کانولوشنال
• 18. افزایش داده‌ها (Data Augmentation) و روش‌های آن
• 19. انتقال یادگیری (Transfer Learning) و کاربرد آن
• 20. معماری‌های معروف شبکه‌های عصبی کانولوشنال: AlexNet
• 21. معماری‌های معروف شبکه‌های عصبی کانولوشنال: VGGNet
• 22. معماری‌های معروف شبکه‌های عصبی کانولوشنال: ResNet
• 23. معماری‌های معروف شبکه‌های عصبی کانولوشنال: Inception
• 24. معماری‌های معروف شبکه‌های عصبی کانولوشنال: MobileNet
• 25. شبکه‌های عصبی کانولوشنال سه‌بعدی برای پردازش تصاویر پزشکی
• 26. شبکه‌های عصبی کانولوشنال برای تشخیص اشیاء در تصاویر
• 27. شبکه‌های عصبی کانولوشنال برای تقسیم‌بندی تصاویر
• 28. شبکه‌های عصبی کانولوشنال برای تولید تصاویر
• 29. شبکه‌های عصبی کانولوشنال و کاربردهای آنها در خودروهای خودران
• 30. شبکه‌های عصبی کانولوشنال و پردازش زبان طبیعی
• 31. شبکه‌های عصبی کانولوشنال و تحلیل احساسات
• 32. شبکه‌های عصبی کانولوشنال و تشخیص چهره
• 33. شبکه‌های عصبی کانولوشنال و تشخیص الگو
• 34. تنظیم های هایپرپارامتر (Hyperparameter Tuning)
• 35. روش‌های ارزیابی عملکرد شبکه‌های عصبی
• 36. ماتریس درهم‌ریختگی (Confusion Matrix)
• 37. دقت، صحت، و فراخوانی (Precision, Recall)
• 38. منحنی ROC و AUC
• 39. کاهش ابعاد با PCA و کاربرد آن در شبکه‌های عصبی
• 40. بهینه‌سازی حافظه در شبکه‌های عصبی کانولوشنال
• 41. پیاده‌سازی شبکه‌های عصبی کانولوشنال با TensorFlow
• 42. پیاده‌سازی شبکه‌های عصبی کانولوشنال با PyTorch
• 43. استفاده از GPU برای آموزش شبکه‌های عصبی
• 44. استفاده از TPU برای آموزش شبکه‌های عصبی
• 45. دیباگینگ شبکه‌های عصبی کانولوشنال