آموزش Deep Learning - Crash Course 2023 [ویدئو]

سرفصل ها و درس ها

به عرشه خوش آمدید Welcome on Board

• خوش آمدی Welcome

• معرفی دوره Course Introduction

درست کردن اصول اولیه Getting the Basics Right

• شبکه های عصبی مصنوعی Artificial Neural Networks

• تابع فعال سازی Activation Function

• جانبداری Bias

• داده ها Data

• کاربردهای داده Applications of Data

• مدل ها Models

• توابع از دست دادن Loss Functions

• الگوریتم های یادگیری و عملکرد مدل Learning Algorithms and Model Performance

دوره آموزشی سقوط پایتون در مبانی Python Crash Course on Basics

• نصب نوت بوک Jupyter Installing Jupyter Notebook

• دسترسی به Google Colab Accessing Google Colab

• مبانی پایتون - انواع داده Python Basics - Data Types

• اصول پایتون - کانتینرها در پایتون Python Basics - Containers in Python

• کنترل اظهارات Python if…else Control Statements Python if…else

• عبارات کنترل پایتون - while و For Python Control statements - While and For

• توابع و کلاس ها در پایتون Functions and Classes in Python

Python for Data Science - Crash Course Python for Data Science - Crash Course

• NumPy قسمت 1 NumPy Part 1

• NumPy قسمت 2 NumPy Part 2

• NumPy قسمت 3 NumPy Part 3

• پانداها در پایتون - سری پانداها Pandas in Python - Pandas Series

• قاب داده پانداها Pandas Data Frame

• پاکسازی و بررسی داده ها Cleaning and Examining the data

• توطئه با Matplotlib Plotting with Matplotlib

• طرح های کانتور Contour Plots

مدل نورون MP MP Neuron Model

• معرفی MP Neuron MP Neuron Introduction

• شهود داده ها Intuition of Data

• از دست دادن و یافتن پارامترها Loss and Finding Parameters

• شهود ریاضی Mathematical Intuition

MP Neuron در پایتون MP Neuron in Python

• MP Neuron - واردات داده MP Neuron - Data Import

• تقسیم تست قطار Train Test Split

• داده ها را اصلاح کنید Modify Data

• MP Neuron در پایتون MP Neuron in Python

• کلاس نورون MP MP Neuron Class

خلاصه MP Neuron Summary of MP Neuron

• خلاصه Summary

پرسپترون Perceptron

• پرسپترون Perceptron

• مدل پرسپترون و نمایش آن Perceptron Model and Its Representation

• عملکرد از دست دادن و به روز رسانی پارامتر Loss Function and Parameter Update

• چرا به روز رسانی قانون کار می کند Why Update Rule Works

• به روز رسانی قانون در برنامه ها Update Rule in Programs

پرسپترون در پایتون Perceptron in Python

• پرسپترون در پایتون Perceptron in Python

• دقت را با دوره ها تجسم کنید Visualize the Accuracy with Epochs

نورون سیگموئید Sigmoid Neuron

• محدودیت های پرسپترون Perceptron Limitations

• مقدمه نورون سیگموئید Sigmoid Neuron Introduction

• داده های نورون سیگموئید Sigmoid Neuron Data

• شهود سیگموئیدی Sigmoid Intuition

• برازش دستی داده ها Manual Fitting of Data

• گرادیان نزول Gradient Descent

• نمای کلی برنامه Program Overview

• برنامه در پایتون Program in Python

پیاده سازی نورون سیگموئید با پایتون Sigmoid Neuron Implement with Python

• مجموعه داده را دانلود کنید Download Dataset

• استانداردسازی داده ها - 1 Data Standardization - 1

• استانداردسازی داده ها - 2 Data Standardization - 2

• کلاس سیگموئید Class Sigmoid

احتمال پایه Basic Probability

• مقدمه ای بر احتمال و متغیرهای تصادفی Introduction to Probability and Random Variables

• چرا متغیر تصادفی مهم است Why Random Variable Is Important

• متغیر تصادفی - انواع Random Variable - Types

• جدول توزیع احتمال Probability Distribution Table

• چرا ما به از دست دادن آنتروپی نیاز داریم؟ Why Do We Require Entropy Loss

شبکه های عصبی عمیق Deep Neural Networks

• چرا شبکه های عصبی عمیق Why Deep Neural Networks

• جداسازی خطی داده ها Linear Separation of Data

قضیه تقریب جهانی Universal Approximation Theorem

• درک قضیه تقریب جهانی Understanding Universal Approximation Theorem

• تایید قضیه تقریب جهانی کار می کند Confirming Universal Approximation Theorem Works

• رفتن به عمق شبکه های عصبی Going Deep into Neural Networks

• چالش های ایجاد شبکه های عصبی عمیق از ابتدا Challenges in Creating Deep Neural Networks from Scratch

یادگیری عمیق با TensorFlow 2.x Deep Learning with TensorFlow 2.x

• جمع بندی سریع یادگیری عمیق Quick Recap on Deep Learning

• معرفی TensorFlow Introducing TensorFlow

• ساخت شبکه عصبی با TensorFlow Building a Neural Network with TensorFlow

• اولین شبکه عصبی را با TensorFlow ایجاد کنید Create First Neural Network with TensorFlow

• آموزش شبکه عصبی Training the Neural Network

• ارزشیابی آموزش Training Evaluation

• خلاصه Summary

توابع فعال سازی در شبکه های عصبی یادگیری عمیق Activation Functions in Deep Learning Neural Networks

• توابع فعال سازی در شبکه های عصبی یادگیری عمیق - مقدمه Activation Functions in Deep Learning Neural Networks - Introduction

• توابع فعال سازی مختلف Various Activation Functions

• خلاصه ای از توابع فعال سازی Summary on Activation Functions

• پیکربندی شبکه مشترک Common Network Configuration

استفاده از یادگیری عمیق Applying Deep Learning

• حرکت از یادگیری کم عمق به یادگیری عمیق Moving from Shallow Learning to Deep Learning

• مبانی کراس Keras Basics

• انواع مشکلات Types of Problems

• ReLU، SoftMax و Cross Entropy ReLU, SoftMax, and Cross Entropy

• پیاده سازی طبقه بندی چند طبقه با استفاده از Keras Implementing Multi-Class Classification Using Keras

• مشکل رگرسیون Regression Problem

• ترفندهای پیشرفته TensorFlow - راه هایی برای ایجاد شبکه های عصبی TensorFlow Advanced Tricks - Ways to Create Neural Networks

• TensorFlow - روش‌های طبقه‌بندی فرعی TensorFlow - Subclassing Methods