فلش‌کارت‌های آموزشی امنیت شبکه‌های عصبی با پایتون

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره امنیت شبکه‌های عصبی با پایتون

موضوع کلی: توسعه نرم‌افزارهای کاربردی با پایتون

موضوع میانی: امنیت پایتون

📋 سرفصل‌های دوره

• 1. مبانی شبکه‌های عصبی و پایتون
• 2. معرفی کتابخانه‌های پایتون برای یادگیری ماشین
• 3. پیش‌پردازش داده‌ها برای شبکه‌های عصبی
• 4. نرمال‌سازی و استانداردسازی داده‌ها
• 5. انتخاب ویژگی‌های مهم در داده‌ها
• 6. مدل‌های خطی در شبکه‌های عصبی
• 7. رگرسیون خطی با پایتون
• 8. رگرسیون لجستیک و طبقه‌بندی دودویی
• 9. تابع هزینه و بهینه‌سازی گرادیان کاهشی
• 10. انتخاب نرخ یادگیری و الگوریتم‌های بهینه‌سازی
• 11. شبکه‌های عصبی پیش‌خور چندلایه
• 12. معماری شبکه‌های عصبی پیش‌خور
• 13. توابع فعال‌سازی: سیگموید، ReLU و تانژانت هذلولی
• 14. انتخاب تابع فعال‌سازی مناسب
• 15. شبکه‌های عصبی کانولوشنی (CNN) برای پردازش تصویر
• 16. لایه کانولوشنی و فیلترها
• 17. لایه Pooling و کاهش ابعاد
• 18. معماری‌های معروف CNN: AlexNet، VGGNet، ResNet
• 19. شبکه‌های عصبی بازگشتی (RNN) برای پردازش زبان طبیعی
• 20. حافظه کوتاه‌مدت بلند (LSTM)
• 21. شبکه‌های حافظه طولانی-کوتاه (GRU)
• 22. پردازش متن با استفاده از Embedding کلمات
• 23. تولید متن با استفاده از شبکه‌های RNN
• 24. تشخیص الگو با استفاده از شبکه‌های عصبی
• 25. طبقه‌بندی تصاویر با شبکه‌های عصبی
• 26. تشخیص اشیاء در تصاویر با شبکه‌های عصبی
• 27. بخش‌بندی تصاویر با شبکه‌های عصبی
• 28. شبکه‌های مولد تخاصمی (GAN)
• 29. تولید تصاویر با استفاده از GAN
• 30. بهبود کیفیت تصاویر با GAN
• 31. کاربردهای GAN در حوزه‌های مختلف
• 32. انتقال یادگیری و استفاده از مدل‌های پیش‌آموزش‌دیده
• 33. Fine-tuning مدل‌های پیش‌آموزش‌دیده
• 34. انتخاب مدل مناسب برای انتقال یادگیری
• 35. تنظیم پارامترهای مدل‌های پیش‌آموزش‌دیده
• 36. روش‌های جلوگیری از بیش‌برازش (Overfitting)
• 37. Regularization و Dropout
• 38. اعتبارسنجی متقابل (Cross-Validation)
• 39. ارزیابی عملکرد مدل‌های شبکه‌های عصبی
• 40. متریک‌های ارزیابی: دقت، صحت، فراخوانی و F1-score
• 41. تکنیک‌های کاهش ابعاد داده‌ها
• 42. تحلیل مولفه‌های اصلی (PCA)
• 43. خودرمزگذارها (Autoencoders)
• 44. امنیت شبکه‌های عصبی در برابر حملات خصمانه
• 45. حملات Adversarial و روش‌های دفاعی