کتاب آموزش جامع و کاربردی یادگیری عمیق با استفاده از کتابخانه PyTorch (نسخه ۴.۵) با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آموزش جامع و کاربردی یادگیری عمیق با استفاده از کتابخانه PyTorch (نسخه ۴.۵)

موضوع کلی: علوم رایانه و هوش مصنوعی

موضوع میانی: یادگیری عمیق و شبکه‌های عصبی

📋 سرفصل‌های دوره (100 موضوع)

• 1. مبانی و مفاهیم پایه در هوش مصنوعی و یادگیری ماشین
• 2. آشنایی با محیط برنامه‌نویسی پایتون برای یادگیری عمیق
• 3. معرفی کتابخانه پای‌تورچ و ساختار تنسورها
• 4. عملیات ریاضی روی تنسورها و مدیریت حافظه در پای‌تورچ
• 5. مبانی شبکه‌های عصبی مصنوعی و پرسپترون ساده
• 6. تابع‌های فعال‌ساز و نقش آن‌ها در یادگیری غیرخطی
• 7. معماری شبکه‌های عصبی چندلایه
• 8. مفهوم پس‌انتشار خطا و الگوریتم گرادیان کاهشی
• 9. بهینه‌سازهای متداول در آموزش شبکه‌های عصبی
• 10. مدیریت مجموعه داده‌ها و کلاس Dataset در پای‌تورچ
• 11. پیش‌پردازش داده‌ها و نرمال‌سازی ورودی‌ها
• 12. تکنیک‌های جلوگیری از بیش‌برازش در مدل‌های عصبی
• 13. استفاده از Dropout و تنظیم وزن‌ها برای افزایش دقت
• 14. ارزیابی مدل و معیارهای سنجش عملکرد
• 15. ذخیره‌سازی و بازیابی مدل‌های آموزش‌دیده
• 16. ساختار شبکه‌های عصبی کانولوشنی برای پردازش تصویر
• 17. لایه‌های پولینگ و اهمیت استخراج ویژگی‌های فضایی
• 18. معماری‌های استاندارد در بینایی ماشین
• 19. انتقال یادگیری و استفاده از مدل‌های پیش‌آموزش‌دیده
• 20. کاربرد شبکه‌های عصبی در تشخیص اشیاء و طبقه‌بندی تصاویر
• 21. آشنایی با شبکه‌های عصبی بازگشتی برای داده‌های ترتیبی
• 22. مفهوم حافظه بلندمدت کوتاه‌مدت در تحلیل متن
• 23. مکانیزم توجه و تحول مدل‌های ترنسفورمر
• 24. پیاده‌سازی مدل‌های پردازش زبان طبیعی با پای‌تورچ
• 25. آشنایی با شبکه‌های مولد رقابتی
• 26. مبانی یادگیری تقویت‌شده در هوش مصنوعی
• 27. کاربرد یادگیری عمیق در تحلیل داده‌های سری زمانی
• 28. بهینه‌سازی مدل‌ها برای اجرا در محیط‌های عملیاتی
• 29. استفاده از شتاب‌دهنده‌های سخت‌افزاری در آموزش مدل‌ها
• 30. اخلاق در هوش مصنوعی و رعایت حریم خصوصی در داده‌ها
• 31. پروژه نهایی: طراحی و پیاده‌سازی یک شبکه عصبی کاربردی
• 32. بررسی چالش‌های پیاده‌سازی مدل‌های هوش مصنوعی در صنعت
• 33. استفاده از ابزارهای مانیتورینگ برای پایش آموزش مدل
• 34. نکاتی در خصوص امنیت شبکه‌های عصبی و مقابله با حملات خصمانه
• 35. توسعه سیستم‌های هوشمند با رعایت استانداردهای فنی ملی