آموزش شبکه عصبی مصنوعی را از Scratch در Python بیاموزید

سرفصل ها و درس ها

مقدمه Introduction

• مقدمه Introduction

• آناکوندا را بر روی دستگاه خود نصب کنید Install anaconda on your machine

• محیط را تنظیم کرده و کتابخانه های یادگیری ماشین را بارگیری کنید Set up environment and Download Machine Learning Libraries

• مقدمه ای بر نوت بوک Jupyter Introduction to Jupyter Notebook

• مقدمه ای بر هوش مصنوعی و یادگیری ماشین [سخنرانی] Introduction to Artificial Intelligence and Machine Learning [lecture]

اختیاری اما توصیه شده [یادگیری پایتون به روش آسان] Optional but Recommended [Learn Python in Easy Way]

• دانلود و تنظیم ویرایشگر کد Pycharm در ویندوز Download and setup Pycharm code editor on Windows

• بارگیری ویرایشگر کد Visual Studio در ویندوز (اختیاری) Download Visual Studio code editor on Windows (Optional)

• ویرایش کد Pycharm را در Linux بارگیری و نصب کنید Download and setup Pycharm code editon on Linux

• نحوه خواندن اسناد پایتون How to read Python documentation

• متغیرها در پایتون Variables on Python

• انواع داده ها: رشته ، مجموعه و اعداد Data Types: String, Set and Numbers

• انواع داده ها: لیست ، فرهنگ لغت و Tuple Data Types: List, Dictionaty and Tuple

• اپراتورها و مجریان Operators and Operands

• اپراتورهای منطقی و عملیات Logical Operators and Operations

• نظرات و ورودی کاربر Comments and User Input

• ماژول های داخلی و ایجاد ماژول های خود Built-in Modules and Creating your own Modules

• ساختارهای داده "لیست" پایتون Python "List" Data Structures

• ساختارهای داده "فرهنگ لغت" پایتون Python "Dictionary" Data Structures

• تورفتگی پایتون Python Indentation

• شرط های Python: اگر ... جای دیگر باشد Python Conditionals: if...else statements

• حلقه در پایتون: while Loops Looping in Python: while Loops

• حلقه در پایتون: برای حلقه ها Looping in Python: for Loops

• توابع تعریف شده توسط کاربر در پایتون User Defined Functions in Python

• استدلالهای پیش فرض در پایتون Default Arguments in Python

• کلاسها و اشیا در پایتون Classes and Objects in Python

• ارث اساسی در پایتون Basic Inheritance in Python

• وراثت چندگانه در پایتون Multiple Inheritance in Python

• __ نام__ == __ اصلی__ __name__ == __main__

پیش نیاز: کتابخانه های ML برای پیش پردازش داده ها Prerequisite: ML libraries for data preprocessing

• انواع داده ها در یادگیری ماشین Data Types in Machine Learning

• پیش پردازش داده ها قسمت 1 Data Preprocessing Part 1

• پیش پردازش داده ها قسمت 2 Data Preprocessing Part 2

• پیش پردازش داده ها قسمت 3 Data Preprocessing Part 3

• مقدمه ای بر ماژول numpy Introduction to numpy module

• معرفی ماژول pandas Introduction to pandas module

• آموزش و آزمایش تقسیم داده ها Train and Test Splitting of Data

• فرآیند رمزگذاری در یادگیری ماشین Encoding Process in Machine Learning

• مقدمه ای بر لباس و زیر لباس مدل Introduction to overfit and underfit of model

• آنتروپی متقابل رگرسیون لجستیک Cross entropy of Logistic Regression

سخنرانی: آشنایی با شبکه های عصبی - اجباری (از دست ندهید) Lecture: Introduction to neural networks --Mandatory (Don't miss out)

• مقدمه ای بر هوش مصنوعی Introduction to Artificial Intelligence

• آشنایی با شبکه های عصبی Introduction to Neural Networks

• الهام و نمایندگی برای شبکه عصبی Inspiration and representation for Neural Network

• تاریخچه و کاربرد شبکه عصبی History and Application of Neural Network

• نمونه ای از شبکه عصبی Example of neural network

• به روزرسانی اوزان [تمایز جزئی] Updating the weights [partial differentiation]

• مقدمه ای برای تمایز جزئی Introduction to partial differentiation

• مقدمه ای بر عملکرد فعال سازی Introduction to the Activation Function

• چرا ما در برنامه به تعصب نیاز داریم Why do we need bias in the program

• چرا ما از نظم در شبکه عصبی استفاده می کنیم Why we use regularization in the Neural Network

• مقدمه ای بر نزول شیب دار [مرور] Introduction to the gradient descent [review]

• مقدمه ای بر Stochastic Gradient Descent و Adam Optimizer Introduction to Stochastic Gradient Descent and Adam Optimizer

• مقدمه ای بر SGD مینی بچ Introduction to mini-batch SGD

آموزش: عددی در مورد عقب نشینی Tutorial: Numerical on Backpropagation

• مشتق عملکرد سیگموئید [باید تماشا کنید] Derivative of sigmoid function [must watch]

• مقدمه ای بر مسئله Introduction to the problem

• انتشار رو به جلو شبکه عصبی مصنوعی Forward Propagation of Artificial Neural Network

• خطا در مسئله Error in the problem

• تبلیغ عقب نشینی در ANN Backpropagation in ANN

کارگاه آموزشی: کدگذاری شبکه عصبی مصنوعی از Scratch Workshop: Coding Artificial Neural Network from Scratch

• تنظیم محیط و کدگذاری نورون منفرد Setting up environment and coding single neuron

• کدگذاری لایه نورون Coding neuron layer

• استفاده از محصول نقطه برای کدگذاری لایه نورون Using dot product to code neuron layer

• کدگذاری لایه متراکم [باید برنامه نویسی شی گرا را بدانید] Coding dense layer [must know Object Oriented Programming]

• مقدمه ای بر عملکرد فعال سازی Introduction to Activation Function

• اجرای عملکرد فعال سازی [مرحله و سیگموئید] Implementation of activation function [step and sigmoid]

• اجرای عملکرد فعال سازی [tanh و ReLu] Implementation of activation function [tanh and ReLu]

کارگاه: طبقه بندی چند لایه لایه پرسپترون (MLP) Workshop: Coding Multi Layer Perception (MLP) Classifier

• ایجاد مجموعه داده ها به تنهایی !! Creating data sets on our own!!

• پیاده سازی طبقه بندی MLP با استفاده از یادگیری scikit Implementation of MLP classifier using scikit-learn

• ارزیابی مدل (شبکه عصبی) Evaluation of the model (Neural Network)

• آزمایش پارامترهای بیش از حد Experimentation of hyper parameters

بیشتر کاوش کنید: شبکه عصبی محاسباتی [پیشرفته] Explore more: Computational Neural Network [advanced]

• مقدمه تغذیه انتشار به جلو و عقب در نمودار محاسباتی Introduction to feed forward and backward propagation in computational graph