کتاب بهینه‌سازی و تسریع مدل‌های یادگیری عمیق با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه‌سازی و تسریع مدل‌های یادگیری عمیق

موضوع کلی: یادگیری عمیق و کاربردهای آن

موضوع میانی: معماری‌های نوظهور در یادگیری عمیق

📋 سرفصل‌های دوره

• 1. بهینه‌سازی نرخ یادگیری
• 2. معماری‌های شبکه عصبی کانولوشنی
• 3. توابع فعال‌سازی و تاثیر آن‌ها
• 4. تنظیم‌کننده‌های وزن و بایاس
• 5. روش‌های نرمال‌سازی دسته‌ای
• 6. مقایسه بهینه‌سازهای گرادیان کاهشی
• 7. تنظیم ابرپارامترها در یادگیری عمیق
• 8. روش‌های جلوگیری از بیش‌برازش
• 9. تکنیک‌های افزایش داده
• 10. معماری‌های شبکه عصبی بازگشتی
• 11. پردازش زبان طبیعی با شبکه‌های عصبی
• 12. بینایی کامپیوتر و شبکه‌های عصبی
• 13. شبکه‌های مولد تخاصمی (GANs)
• 14. یادگیری تقویتی و کاربردهای آن
• 15. شبکه‌های عصبی گراف
• 16. انتقال یادگیری و یادگیری چندوظیفه‌ای
• 17. استفاده از Dropout برای بهبود تعمیم
• 18. روش‌های کاهش ابعاد داده
• 19. روش‌های خوشه‌بندی داده‌ها
• 20. انتخاب ویژگی و مهندسی ویژگی
• 21. معماری‌های Transformer
• 22. مدل‌های زبانی بزرگ (LLMs)
• 23. بهینه‌سازی حافظه در مدل‌های یادگیری عمیق
• 24. استفاده از محاسبات توزیع شده در یادگیری عمیق
• 25. کتابخانه‌های یادگیری عمیق: TensorFlow
• 26. کتابخانه‌های یادگیری عمیق: PyTorch
• 27. کتابخانه‌های یادگیری عمیق: Keras
• 28. تشخیص الگو با شبکه‌های عصبی
• 29. طبقه‌بندی تصاویر با شبکه‌های عصبی
• 30. پیش‌بینی سری‌های زمانی با شبکه‌های عصبی
• 31. تحلیل احساسات با شبکه‌های عصبی
• 32. تشخیص اشیاء در تصاویر
• 33. تقطیر دانش
• 34. بهینه‌سازی مدل برای دستگاه‌های موبایل
• 35. یادگیری فدرال
• 36. تفسیرپذیری مدل‌های یادگیری عمیق
• 37. روش‌های ارزیابی عملکرد مدل
• 38. معیارهای ارزیابی طبقه‌بندی
• 39. معیارهای ارزیابی رگرسیون
• 40. اعتبارسنجی متقابل
• 41. انتخاب مدل
• 42. مدیریت داده در پروژه‌های یادگیری عمیق
• 43. پیش‌پردازش داده‌ها
• 44. پاکسازی داده‌ها
• 45. مهندسی ویژگی‌های متنی