کتاب صوتی کاربردهای پیشرفته شبکه‌های عصبی در صنعت

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربردهای پیشرفته شبکه‌های عصبی در صنعت

موضوع کلی: علوم داده و مهندسی داده

موضوع میانی: شبکه‌های عصبی

📋 سرفصل‌های دوره

• 1. مبانی شبکه‌های عصبی عمیق
• 2. معماری‌های پرکاربرد شبکه‌های عصبی
• 3. شبکه‌های عصبی کانولوشنی (CNN)
• 4. شبکه‌های عصبی بازگشتی (RNN)
• 5. پردازش زبان طبیعی با شبکه‌های عصبی
• 6. مدل‌های زبانی پیشرفته
• 7. تولید متن با شبکه‌های عصبی
• 8. تحلیل احساسات با استفاده از یادگیری عمیق
• 9. تشخیص اشیا در تصاویر
• 10. دسته‌بندی تصاویر با CNN
• 11. بخش‌بندی تصاویر با CNN
• 12. شبکه‌های عصبی مولد (GAN)
• 13. کاربردهای GAN در تولید تصاویر
• 14. تقویت یادگیری (Reinforcement Learning)
• 15. الگوریتم‌های Q-Learning
• 16. الگوریتم‌های Deep Q-Network (DQN)
• 17. یادگیری تقویتی در رباتیک
• 18. پیش‌بینی سری‌های زمانی با شبکه‌های عصبی
• 19. شبکه‌های عصبی برای تحلیل داده‌های مالی
• 20. تشخیص تقلب با استفاده از یادگیری عمیق
• 21. مدل‌سازی ریسک اعتباری
• 22. بهینه‌سازی هایپرپارامترها
• 23. روش‌های regularization برای جلوگیری از overfitting
• 24. تکنیک‌های augmentation داده
• 25. انتقال یادگیری (Transfer Learning)
• 26. شبکه‌های عصبی در پردازش سیگنال
• 27. پردازش صدا با شبکه‌های عصبی
• 28. تشخیص گفتار با یادگیری عمیق
• 29. تبدیل متن به گفتار
• 30. شبکه‌های عصبی در بینایی کامپیوتر
• 31. تشخیص چهره با یادگیری عمیق
• 32. بررسی و ارزیابی مدل‌های یادگیری عمیق
• 33. ابزارهای توسعه یادگیری عمیق (TensorFlow, PyTorch)
• 34. استقرار مدل‌های یادگیری عمیق در محیط‌های صنعتی
• 35. بهینه‌سازی مدل‌ها برای استقرار
• 36. مبانی یادگیری خودنظارتی (Self-Supervised Learning)
• 37. کاربردهای یادگیری خودنظارتی
• 38. شبکه‌های عصبی گراف (GNN)
• 39. تحلیل شبکه‌های اجتماعی با GNN
• 40. شبکه‌های عصبی ترانسفورمر (Transformer Networks)
• 41. مدل‌های زبانی بزرگ (LLM)
• 42. تنظیم دقیق مدل‌های زبانی بزرگ
• 43. کاربردهای LLM در صنعت
• 44. شبکه‌های عصبی برای تشخیص ناهنجاری
• 45. یادگیری فعال (Active Learning)