کتاب صوتی شبکه‌های عصبی بازگشتی و سری‌های زمانی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره شبکه‌های عصبی بازگشتی و سری‌های زمانی

موضوع کلی: علوم داده و مهندسی داده

موضوع میانی: شبکه‌های عصبی

📋 سرفصل‌های دوره

• 1. شبکه‌های عصبی بازگشتی: مقدمه‌ای
• 2. سری‌های زمانی: مفاهیم پایه و کاربردها
• 3. پردازش زبان طبیعی با شبکه‌های بازگشتی
• 4. درک ساختار شبکه‌های عصبی بازگشتی
• 5. تابع فعال‌سازی در شبکه‌های بازگشتی
• 6. انتشار پسین و یادگیری در شبکه‌های بازگشتی
• 7. شبکه‌های بازگشتی ساده (RNN)
• 8. مشکلات گرادیان ناپایدار در RNN
• 9. شبکه‌های حافظه کوتاه مدت طولانی (LSTM)
• 10. معماری و عملکرد LSTM
• 11. درک گیت‌ها در LSTM
• 12. شبکه‌های گیت‌دار بازگشتی (GRU)
• 13. مقایسه LSTM و GRU
• 14. شبکه‌های دوجهته بازگشتی
• 15. کاربرد شبکه‌های دوجهته در تحلیل متن
• 16. توالی به توالی (Sequence-to-Sequence)
• 17. مکانیسم توجه (Attention Mechanism)
• 18. شبکه‌های بازگشتی برای ترجمه ماشینی
• 19. شبکه‌های بازگشتی برای خلاصه‌سازی متن
• 20. تولید متن با شبکه‌های بازگشتی
• 21. مدل‌های زبانی با شبکه‌های بازگشتی
• 22. پیش‌بینی سری‌های زمانی با RNN
• 23. پیش‌بینی قیمت سهام با شبکه‌های بازگشتی
• 24. تحلیل احساسات با شبکه‌های بازگشتی
• 25. تشخیص گفتار با شبکه‌های بازگشتی
• 26. شبکه‌های بازگشتی برای تشخیص دست‌نویس
• 27. شبکه‌های بازگشتی برای تشخیص ناهنجاری در داده‌های سری زمانی
• 28. شبکه‌های بازگشتی در پردازش سیگنال
• 29. شبکه‌های بازگشتی برای تحلیل داده‌های پزشکی
• 30. شبکه‌های بازگشتی در پیش‌بینی آب و هوا
• 31. شبکه‌های بازگشتی در سیستم‌های توصیه
• 32. شبکه‌های بازگشتی برای تشخیص تقلب
• 33. شبکه‌های بازگشتی و داده‌های مالی
• 34. شبکه‌های بازگشتی و تحلیل ریسک
• 35. شبکه‌های بازگشتی در کنترل رباتیک
• 36. شبکه‌های بازگشتی در بازی‌های ویدئویی
• 37. شبکه‌های بازگشتی و یادگیری تقویتی
• 38. بهینه‌سازی شبکه‌های بازگشتی
• 39. تنظیم هایپرپارامترها در شبکه‌های بازگشتی
• 40. روش‌های مقابله با بیش‌برازش (Overfitting)
• 41. شبکه‌های بازگشتی و GPU
• 42. استفاده از فریم‌ورک‌های یادگیری عمیق (TensorFlow, PyTorch)
• 43. پیاده‌سازی شبکه‌های بازگشتی در پایتون
• 44. شبکه‌های بازگشتی و داده‌های بزرگ
• 45. شبکه‌های بازگشتی و محاسبات ابری