فلش‌کارت‌های آموزشی یادگیری عمیق: فراتر از حفظ کردن

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری عمیق: فراتر از حفظ کردن

موضوع کلی: علوم تربیتی و مهارت‌های حرفه‌ای معلمی

موضوع میانی: روانشناسی آموزشی

📋 سرفصل‌های دوره

• 1. مبانی یادگیری عمیق و شبکه‌های عصبی
• 2. معماری‌های پایه شبکه‌های عصبی مصنوعی
• 3. توابع فعال‌سازی و نقش آن‌ها در یادگیری
• 4. بهینه‌سازی توابع هزینه: گرادیان کاهشی
• 5. انتخاب نرخ یادگیری و اثرات آن
• 6. تنظیم‌کننده‌ها و جلوگیری از بیش‌برازش
• 7. مجموعه‌داده‌ها و پیش‌پردازش داده‌ها
• 8. تقسیم داده‌ها: آموزش، اعتبارسنجی و آزمایش
• 9. ارزیابی مدل‌های یادگیری عمیق
• 10. شبکه‌های عصبی کانولوشنی (CNN) و کاربردها
• 11. لایه‌های کانولوشنی و ویژگی‌یابی
• 12. لایه‌های ادغام و کاهش ابعاد
• 13. شبکه‌های عصبی بازگشتی (RNN) و کاربردها
• 14. حافظه کوتاه‌مدت بلند (LSTM) و مشکلات محوشدگی گرادیان
• 15. شبکه‌های دروازه‌ای بازگشتی (GRU) و مقایسه با LSTM
• 16. پردازش زبان طبیعی با شبکه‌های عصبی
• 17. مدل‌های زبانی و تولید متن
• 18. ترجمه ماشینی و شبکه‌های عصبی دنباله‌به‌دنباله
• 19. تشخیص گفتار و پردازش سیگنال‌های صوتی
• 20. بینایی کامپیوتر و تشخیص اشیا
• 21. تقسیم‌بندی تصاویر و شبکه‌های کاملاً کانولوشنی
• 22. تشخیص چهره و کاربردهای آن
• 23. یادگیری تقویتی و الگوریتم‌های پایه
• 24. Q-learning و یادگیری مبتنی بر ارزش
• 25. Deep Q-Network (DQN) و ترکیب یادگیری عمیق و تقویتی
• 26. یادگیری سیاستی و الگوریتم‌های مبتنی بر سیاست
• 27. شبکه‌های تولیدی تخاصمی (GAN) و تولید داده‌های جدید
• 28. تنوع در GANها و بهبود کیفیت تصاویر تولیدی
• 29. انتقال یادگیری و استفاده از مدل‌های از پیش آموزش‌دیده
• 30. تنظیم دقیق مدل‌های از پیش آموزش‌دیده
• 31. خودرمزگذارها و کاهش ابعاد داده‌ها
• 32. خودرمزگذارهای متغیر (VAE) و تولید داده‌های جدید
• 33. یادگیری بدون نظارت و خوشه‌بندی داده‌ها
• 34. یادگیری نیمه‌نظارتی و استفاده از داده‌های برچسب‌دار و بدون برچسب
• 35. شبکه‌های توجه و تمرکز بر بخش‌های مهم ورودی
• 36. مکانیسم‌های توجه در ترجمه ماشینی
• 37. Embeddingها و نمایش برداری کلمات
• 38. Word2Vec و GloVe: روش‌های ایجاد Embedding
• 39. TensorFlow و Keras: مقدمه‌ای و نصب
• 40. PyTorch: مقدمه‌ای و نصب
• 41. آماده‌سازی محیط توسعه برای یادگیری عمیق
• 42. عیب‌یابی و اشکال‌زدایی مدل‌های یادگیری عمیق
• 43. بهبود عملکرد مدل با تنظیم ابرپارامترها
• 44. استفاده از GPU برای تسریع آموزش مدل
• 45. استقرار مدل‌های یادگیری عمیق