آموزش هوش مصنوعی مولد (Generative AI) - بخش اول - آخرین آپدیت

مبانی شبکه های عصبی و بهینه‌سازی Foundations of Neural Networks and Optimization

• شبکه های عصبی بخش اول: پرسپترون Neural Networks Part 1: Perceptron

• شبکه های عصبی بخش دوم: نحوه یادگیری شبکه های عصبی Neural Networks Part 2: How Neural Networks Learn

• شبکه های عصبی بخش سوم: پس‌انتشار (Back Propagation) Neural Networks Part 3: Back Propagation

• مروری بر تکنیک‌های بهینه‌سازی بخش اول Optimization Technique Overview Part 1

• مروری بر تکنیک‌های بهینه‌سازی بخش دوم Optimization Technique Overview Part 2

• مروری بر تکنیک‌های بهینه‌سازی بخش سوم Optimization Technique Overview Part 3

تکنیک‌های رگولاریزاسیون و تعمیم Regularization and Generalization Techniques

• رگولاریزاسیون: انتخاب مدل و پیچیدگی Regularization: Model Selection and Complexity

• تکنیک‌های رگولاریزاسیون Regularization Techniques

• آشنایی با دراپ‌اوت (Dropout) Introduction to Dropout

• آشنایی با نرمال‌سازی دسته‌ای (Batch Normalization) Introduction to Batch Normalization

شبکه های عصبی کانولوشنی (CNN) Convolutional Neural Networks

• شبکه های عصبی کانولوشنی بخش اول: اصول اولیه Convolutional Neural Networks Part 1: The First Principles

• شبکه های عصبی کانولوشنی بخش دوم: ورودی‌های یک‌بعدی Convolutional Neural Networks Part 2: 1D Input

• شبکه های عصبی کانولوشنی بخش سوم: ابعاد متعدد Convolutional Neural Networks Part 3: Multiple Dimensions

• شبکه های عصبی کانولوشنی بخش چهارم: پس‌انتشار Convolutional Neural Networks Part 4: Backpropagation

• شبکه های عصبی کانولوشنی بخش پنجم: PixelCNN Convolutional Neural Networks Part 5: PixelCNN

مدل‌های مولد و تخمین حداکثر درست‌نمایی Generative Models and Maximum Likelihood Estimation

• مقدمه‌ای بر یادگیری حداکثر درست‌نمایی Intro to Maximum Likelihood Learning

• متدهای واگرایی و گرادینت دیسنت Divergence Methods & Gradient Descent

• بازنمایی بخش اول: توزیع‌ها Representation Part 1: Distributions

• بازنمایی بخش دوم: مدل‌های تمایزگر در مقابل مدل‌های کلی Representation Part 2: Discriminative vs General Models

• اصول کلی مدل‌های خودرگرسیونی (Autoregressive) Autoregressive Models General Principles

• ادامه مدل‌های خودرگرسیونی Autoregressive Models Continued

شبکه های عصبی بازگشتی (RNN) Recurrent Neural Networks

• مقدمه‌ای بر شبکه های عصبی بازگشتی Introduction to Recurrent Neural Networks

• آموزش شبکه های عصبی بازگشتی (RNNs) Training RNNs

• حافظه کوتاه مدت بلندمدت (LSTM) Long Short-Term Memory

• واحد بازگشتی گیت‌دار (GRU) Gated Recurrent Unit (GRU)

مدل‌های توالی به توالی (Seq2Seq) و مکانیزم توجه Sequence-to-Sequence Models and Attention Mechanism

• مدل‌های توالی به توالی (Seq2Seq) Sequence to Sequence Models

• توجه در Seq2Seq: توجه دینامیک Attention in Seq2Seq: Dynamic Attention

• توجه در ترجمه: رمزگشایی (Decoding) Attention in Translation: Decoding

معماری ترنسفورمر (Transformer) Transformer Architecture

• ترنسفورمرها بخش اول: کاربردها و کلید پرس‌وجو و مقدار Transformers Part 1: Applications and Key Query Value

• ترنسفورمرها بخش دوم: خود‌توجهی (Self Attention) Transformers Part 2: Self-Attention

• ترنسفورمرها بخش سوم: اطلاعات مکانی (Position Information) Transformers Part 3: Position Information