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 رایانه و مهندسی هوش مصنوعی

موضوع میانی: هوش محاسباتی

📋 سرفصل‌های دوره

• 1. مبانی شبکه‌های عصبی
• 2. ادراک مصنوعی و مدل‌های خطی
• 3. تابع فعال‌سازی و انواع آن
• 4. شبکه‌های عصبی چندلایه
• 5. الگوریتم پس‌انتشار خطا
• 6. بهینه‌سازی گرادیان کاهشی
• 7. نرخ یادگیری و تنظیم آن
• 8. تنظیم‌کننده‌های وزن (Weight Regularization)
• 9. بیش‌برازش و کم‌برازش
• 10. روش‌های اعتبارسنجی متقابل
• 11. شبکه‌های عصبی پیچشی (CNN)
• 12. لایه کانولوشن و فیلترها
• 13. لایه تجمیع (Pooling) و انواع آن
• 14. معماری‌های معروف CNN (AlexNet, VGG, ResNet)
• 15. شبکه‌های عصبی بازگشتی (RNN)
• 16. حافظه کوتاه‌مدت بلند (LSTM)
• 17. دروازه‌های LSTM و عملکرد آن‌ها
• 18. شبکه‌های عصبی دروازه‌دار تکرارشونده (GRU)
• 19. کاربردهای RNN در پردازش زبان طبیعی
• 20. توالی به توالی (Sequence-to-Sequence)
• 21. مکانیسم توجه (Attention Mechanism)
• 22. شبکه‌های مولد تخاصمی (GAN)
• 23. شبکه مولد و شبکه تمیزدهنده
• 24. توابع هزینه در GAN
• 25. کاربردهای GAN در تولید تصویر
• 26. انواع مختلف GAN (DCGAN, CycleGAN)
• 27. شبکه‌های عصبی خودرمزگذار (Autoencoders)
• 28. رمزگذار و رمزگشا
• 29. خودرمزگذارهای پراکنده (Sparse Autoencoders)
• 30. خودرمزگذارهای قراردادی (Contractive Autoencoders)
• 31. کاربردهای خودرمزگذار در کاهش ابعاد
• 32. یادگیری انتقالی (Transfer Learning)
• 33. تنظیم دقیق (Fine-tuning)
• 34. استفاده از مدل‌های پیش‌آموزش‌دیده
• 35. انتخاب معماری مناسب شبکه عصبی
• 36. تنظیم هایپرپارامترها
• 37. روش‌های جستجوی هایپرپارامتر
• 38. تفسیرپذیری شبکه‌های عصبی
• 39. روش‌های تجسم‌سازی فعال‌سازی‌ها
• 40. روش‌های اهمیت ویژگی (Feature Importance)
• 41. شبکه‌های عصبی گراف (GNN)
• 42. نمایندگی گراف و عملیات روی آن
• 43. انواع مختلف GNN (GCN, GraphSAGE)
• 44. کاربردهای GNN در تحلیل شبکه‌های اجتماعی
• 45. شبکه‌های عصبی برای داده‌های سری زمانی