آموزش آشنایی با شبکه‌های عصبی بازگشتی (RNN) و عمیق (DNN) - آخرین آپدیت

مقدمه Introduction

• مقدمه‌ای بر تخصص Introduction to the Specialization

• تمرکز و اهداف دوره Focus of the Course

کاربردهای RNN Applications of RNN

• تشخیص فعالیت‌های انسانی Human Activity Recognition

• تولید شرح برای تصاویر Image Captioning

• ترجمه ماشینی Machine Translation

• تشخیص گفتار Speech Recognition

• پیش‌بینی قیمت سهام Stock Price Predictions

• چه زمانی از مدل RNN استفاده کنیم When to Model RNN

• فعالیت عملی Activity

مروری بر شبکه عصبی عمیق (DNN) Deep Neural Network (DNN) Overview

• چرا PyTorch Why PyTorch

• نصب PyTorch و آشنایی با تنسورها PyTorch Installation and Tensors Introduction

• مشتق‌گیری خودکار در PyTorch Automatic Differentiation PyTorch New

• چرا DNNها در یادگیری ماشین کاربرد دارند Why DNNs in Machine Learning

• قدرت نمایش و ظرفیت بهره‌برداری از داده در DNN Representational Power and Data Utilization Capacity of DNN

• پرسپترون (Perceptron) Perceptron

• تمرین پرسپترون Perceptron Exercise

• پاسخ تمرین پرسپترون Perceptron Exercise Solution

• پیاده‌سازی پرسپترون Perceptron Implementation

• معماری DNN DNN Architecture

• تمرین معماری DNN DNN Architecture Exercise

• پاسخ تمرین معماری DNN DNN Architecture Exercise Solution

• پیاده‌سازی گام پیشرو (Forward Step) در DNN DNN Forward Step Implementation

• چرا به تابع فعال‌ساز در DNN نیاز است DNN Why Activation Function Is Required

• تمرین تابع فعال‌ساز در DNN DNN Why Activation Function Is Required Exercise

• پاسخ تمرین تابع فعال‌ساز در DNN DNN Why Activation Function Is Required Exercise Solution

• ویژگی‌های تابع فعال‌ساز در DNN DNN Properties of Activation Function

• توابع فعال‌ساز در PyTorch DNN Activation Functions in PyTorch

• تابع زیان (Loss Function) چیست DNN What Is Loss Function

• تمرین تابع زیان در DNN DNN What Is Loss Function Exercise

• پاسخ تمرین تابع زیان در DNN DNN What Is Loss Function Exercise Solution

• تمرین دوم تابع زیان در DNN DNN What Is Loss Function Exercise 02

• پاسخ تمرین دوم تابع زیان در DNN DNN What Is Loss Function Exercise 02 Solution

• تابع زیان در PyTorch DNN Loss Function in PyTorch

• گرادیان کاهشی (Gradient Descent) DNN Gradient Descent

• تمرین گرادیان کاهشی DNN Gradient Descent Exercise

• پاسخ تمرین گرادیان کاهشی DNN Gradient Descent Exercise Solution

• پیاده‌سازی گرادیان کاهشی DNN Gradient Descent Implementation

• گرادیان کاهشی تصادفی، دسته‌ای و مینی‌بچ DNN Gradient Descent Stochastic Batch Minibatch

• خلاصه‌ای از گرادیان کاهشی DNN Gradient Descent Summary

• پیاده‌سازی گام گرادیان در DNN DNN Implementation Gradient Step

• پیاده‌سازی گرادیان کاهشی تصادفی (SGD) DNN Implementation Stochastic Gradient Descent

• پیاده‌سازی گرادیان کاهشی دسته‌ای (Batch) DNN Implementation Batch Gradient Descent

• پیاده‌سازی گرادیان کاهشی مینی‌بچ DNN Implementation Minibatch Gradient Descent

• پیاده‌سازی DNN در PyTorch DNN Implementation in PyTorch

• مقداردهی اولیه وزن‌ها در DNN DNN Weights Initializations

• نرخ یادگیری (Learning Rate) DNN Learning Rate

• نرمال‌سازی دسته‌ای (Batch Normalization) DNN Batch Normalization

• پیاده‌سازی نرمال‌سازی دسته‌ای DNN Batch Normalization Implementation

• بهینه‌سازی‌ها در DNN DNN Optimizations

• حذف تصادفی (Dropout) DNN Dropout

• پیاده‌سازی Dropout در PyTorch DNN Dropout in PyTorch

• توقف زودهنگام (Early Stopping) DNN Early Stopping

• هایپرپارامترها در DNN DNN Hyperparameters

• مثال عملی CIFAR10 در PyTorch DNN PyTorch CIFAR10 Example