کتاب شبکه‌های عصبی عمیق با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره شبکه‌های عصبی عمیق

موضوع کلی: علوم و فناوری‌های نوین رایانش

موضوع میانی: هوش مصنوعی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر شبکه‌های عصبی
• 2. سلول‌های عصبی مصنوعی: مدل و عملکرد
• 3. توابع فعال‌سازی: انواع و کاربردها
• 4. یادگیری با نظارت: اصول و روش‌ها
• 5. رگرسیون خطی و شبکه‌های عصبی
• 6. رگرسیون لجستیک و طبقه‌بندی
• 7. تابع هزینه و بهینه‌سازی
• 8. الگوریتم‌های گرادیان کاهشی
• 9. نرخ یادگیری و تنظیم آن
• 10. بیش‌برازش و کم‌برازش
• 11. تنظیم‌سازی: L1 و L2
• 12. شبکه‌های عصبی پیش‌خور چندلایه
• 13. معماری شبکه‌های عصبی پیش‌خور
• 14. انتخاب ویژگی و پیش‌پردازش داده‌ها
• 15. معیارهای ارزیابی عملکرد شبکه‌های عصبی
• 16. شبکه‌های عصبی کانولوشنی (CNN)
• 17. کانولوشن: عملیات اصلی CNN
• 18. لایه‌های Pooling در CNN
• 19. معماری‌های معروف CNN (VGG، ResNet)
• 20. تشخیص تصویر با CNN
• 21. شبکه‌های عصبی بازگشتی (RNN)
• 22. حافظه کوتاه‌مدت بلند (LSTM)
• 23. درک زبان طبیعی با RNN و LSTM
• 24. تولید متن با RNN و LSTM
• 25. شبکه‌های مولد تخاصمی (GAN)
• 26. مولد و متمایزکننده در GAN
• 27. کاربردهای GAN در تولید تصویر
• 28. یادگیری تقویتی
• 29. محیط، عامل و پاداش
• 30. الگوریتم Q-Learning
• 31. سیاست‌گرادیان
• 32. Autoencoders و کاهش ابعاد
• 33. Autoencoders متغیر (VAE)
• 34. شبکه‌های عصبی گراف
• 35. تبدیل‌کننده‌ها (Transformers)
• 36. مکانیسم توجه (Attention)
• 37. مدل‌های زبانی بزرگ (LLM)
• 38. Fine-tuning مدل‌های زبانی بزرگ
• 39. کاربردهای مدل‌های زبانی بزرگ در فارسی
• 40. بهینه‌سازی شبکه‌های عصبی
• 41. استفاده از GPU در آموزش شبکه‌های عصبی
• 42. فریم‌ورک‌های محبوب شبکه‌های عصبی (TensorFlow، PyTorch)
• 43. استقرار مدل‌های شبکه‌های عصبی
• 44. تفسیرپذیری شبکه‌های عصبی
• 45. مباحث پیشرفته در شبکه‌های عصبی