آموزش بوت‌کمپ جامع یادگیری عمیق با پایتون - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• محتوای دوره Course content

• مقدمه‌ای بر یادگیری عمیق Introduction do Deep Learning

• منابع دوره Course materials

• اجرای محلی Local execution

بخش اول: شبکه‌های عصبی مصنوعی Part 1 - Artificial Neural Networks

• مقدمه Introduction

درک شهودی شبکه‌های عصبی Neural networks intuition

• مبانی بیولوژیکی Biological fundamentals

• پرسپترون تک‌لایه Single layer perceptron

• پرسپترون چندلایه: توابع جمع و فعال‌ساز Multilayer perceptron – sum and activation functions

• پرسپترون چندلایه: محاسبه خطا Multilayer percepton – error calculation

• گرادیان نزولی Gradient descent

• پارامتر دلتا Delta parameter

• به‌روزرسانی وزن‌ها با پس‌انتشار (Backpropagation) Updating weights with backpropagation

• بایاس، خطاها، گرادیان نزولی تصادفی و فعال‌سازها Bias, erros, stochastic gradient descent, and activations

• توابع فعال‌ساز ۱ Activation functions 1

• توابع فعال‌ساز ۲ Activation functions 2

• درک شهودی شبکه عصبی Neural network intuition

• منابع تکمیلی Additional materials

طبقه‌بندی باینری: مجموعه‌داده سرطان سینه Binary classification - breast cancer dataset

• مجموعه‌داده سرطان سینه Breast cancer dataset

• ساختار شبکه عصبی Neural network structure

• کامپایل و اجرا Compilation and execution

• پیش‌بینی‌ها Predictions

• لایه‌های بیشتر و پارامترهای بهینه‌ساز More layers and optimizer parameters

• تجسم وزن‌ها Visualizing the weights

• اعتبارسنجی متقابل (Cross Validation): درک شهودی Cross validation – intuition

• اعتبارسنجی متقابل: پیاده‌سازی Cross validation – implementation

• بیش‌برازش و کم‌برازش: درک شهودی Overfitting and underfitting – intuition

• بیش‌برازش و کم‌برازش: پیاده‌سازی Overfitting and underfitting – implementation

• تنظیم پارامترها Parameter tuning

• طبقه‌بندی یک نمونه واحد Classifying a single instance

• ذخیره و بارگذاری شبکه Save and load the network

• تمرین: بهبود نتایج HOMEWORK: Improving the results

طبقه‌بندی چندکلاسه: گل زنبق (Iris) Multiclass classification - iris

• مجموعه‌داده Iris Iris dataset

• ساختار شبکه عصبی Neural network structure

• پیش‌بینی‌ها Predictions

• اعتبارسنجی متقابل Cross validation

رگرسیون: مجموعه‌داده خودروهای دست دوم Regression - used cars dataset

• مجموعه‌داده خودروهای دست دوم Used cars dataset

• پیش‌پردازش: مقادیر متناقض Preprocessing – inconsistent values

• پیش‌پردازش: مقادیر مفقود Preprocessing – missing values

• پیش‌پردازش: One Hot Encoder Preprocessing – one hot encoder

• ساختار شبکه عصبی Neural network structure

• اعتبارسنجی متقابل Cross validation

رگرسیون با خروجی‌های متعدد: مجموعه‌داده بازی‌های ویدئویی Regression with multiple outputs – video games dataset

• مجموعه‌داده بازی‌ها Games dataset

• پیش‌پردازش Preprocessing

• ساختار شبکه عصبی Neural network structure

بخش دوم: شبکه‌های عصبی پیچشی (CNN) Part 2 - Convolutional Neural Networks

• مقدمه Introduction

درک شهودی CNN Intuition about CNN

• مقدمه‌ای بر CNN Introduction to CNN

• گام اول: عملگر کانولوشن Step 1 – convolution operator

• گام دوم: پولینگ (Pooling) Step 2 – Pooling

• گام سوم: تخت کردن (Flattening) Step 3 – Flattening

• گام چهارم: شبکه عصبی متراکم (Dense) Step 4 – dense neural network

• درک شهودی CNN CNN intuition

• منابع تکمیلی Additional materials

طبقه‌بندی اعداد دست‌نویس Handwritten digits classification

• مجموعه‌داده MNIST MNIST dataset

• ساختار شبکه عصبی Neural network structure

• بهبود شبکه Improving the network

• اعتبارسنجی متقابل Cross validation

• افزایش داده‌های تصویری (Image Augmentation) Image augmentation

طبقه‌بندی گربه و سگ Cats and dogs’ classification

• تصاویر و ساختار شبکه عصبی Images and neural network structure

• افزایش داده‌ها و تست Augmentation and testing

• پیش‌بینی یک تصویر واحد Predicting a single image

بخش سوم: شبکه‌های عصبی بازگشتی (RNN) Part 3 – Recurrent neural networks

• مقدمه Introduction

درک شهودی RNNها Intuition about RNNs

• مقدمه‌ای بر RNNها Introduction to RNNs

• حافظه طولانی کوتاه-مدت (LSTM) LSTM - long-short term memory

• درک شهودی RNNها Intuition RNNs

• منابع تکمیلی Additional materials

پیش‌بینی سری‌های زمانی: قیمت سهام Time series forecasting – stock prices

• مجموعه‌داده قیمت سهام Stock prices dataset

• مجموعه‌داده برای پیش‌بینی ۱ Dataset for predictions 1

• مجموعه‌داده برای پیش‌بینی ۲ Dataset for predictions 2

• ساختار شبکه عصبی Neural network structure

• پیش‌بینی قیمت‌ها Price predictions

• پیش‌بین‌های متعدد ۱ Multiple predictors 1

• پیش‌بین‌های متعدد ۲ Multiple predictors 2

• خروجی‌های متعدد Multiple outputs

بخش چهارم: نقشه‌های خودسازمان‌ده (SOM) Part 4 – Self-organizing maps

• مقدمه Introduction

درک شهودی SOM Intuition about SOM

• K-means: درک شهودی K-means - intuition

• K-means: محاسبه فاصله K-means - distance calculation

• K-means: مقداردهی اولیه K-means - initialization

• نقشه‌های خودسازمان‌ده: درک شهودی Self-organizing maps – intuition

• نقشه‌های خودسازمان‌ده: فرآیند یادگیری Self-organizing maps – learning process

• SOM: درک شهودی SOM - intuition

• منابع تکمیلی Additional materials

خوشه‌بندی انواع شراب‌ها Clustering types of wines

• مجموعه‌داده شراب Wine dataset

• پیاده‌سازی SOM Implementing the SOM

• نتایج و تجسم Results and visualization

تشخیص تقلب: شناسایی داده‌های پرت Fraud detection – outliers

• مجموعه‌داده اعتباری Credit dataset

• پیاده‌سازی SOM Implementing the SOM

• تشخیص تقلب Fraud detection

بخش پنجم: ماشین‌های بولتزمان Part 5 – Boltzmann machines

• مقدمه Introduction

درک شهودی ماشین‌های بولتزمان Intuition about Boltzmann machines

• ماشین‌های بولتزمان: درک شهودی Boltzmann machines - intuition

• ماشین‌های بولتزمان محدود: یادگیری Restricted Boltzmann machines – learning

• ماشین‌های بولتزمان محدود: توصیه Restricted Boltzmann machines – recommendation

• ماشین‌های بولتزمان: درک شهودی Boltzmann machines - intuition

• منابع تکمیلی Additional materials

توصیه فیلم Movie recommendation

• ساخت ماشین بولتزمان محدود (RBM) Building the Restricted Boltzmann Machine (RBM)

• توصیه فیلم با RBM Movie recommendation with RBM

کاهش ابعاد در تصاویر Dimensionality reduction in images

• مجموعه‌داده اعداد Digits dataset

• کاهش ابعاد با RBM Dimensionality reduction with RBM

بخش ششم: اتوانکودرها Part 6 – Autoencoders

• مقدمه Introduction

درک شهودی اتوانکودرها Intuition about autoencoders

• اتوانکودرها: درک شهودی Autoencoders - intuition

• اتوانکودرها: درک شهودی (تکمیل) Autoencoders - intuition

• منابع تکمیلی Additional materials

کاهش ابعاد در تصاویر Dimensionality reduction in images

• وارد کردن کتابخانه‌ها و مجموعه‌داده Importing the libraries and dataset

• تجسم تصاویر Visualizing the images

• پیش‌پردازش تصاویر Preprocessing the images

• ساخت و آموزش اتوانکودر خطی Building and training a linear autoencoder

• کدگذاری (Encoding) تصاویر Encoding the images

• رمزگشایی (Decoding) تصاویر Decoding the images

• کدگذاری و رمزگشایی تصاویر تست Encoding and decoding the test images

• اتوانکودرهای پیچشی ۱ Convolutional autoencoders 1

• اتوانکودرهای پیچشی ۲ Convolutional autoencoders 2

• اتوانکودرهای پیچشی ۳ Convolutional autoencoders 3

• اتوانکودرهای پیچشی ۴ Convolutional autoencoders 4

بخش هفتم: شبکه‌های مولد رقابتی (GANs) Part 7 – GANs (Generative Adversarial Network)

• مقدمه Introduction

• GANها: درک شهودی GANs - intuition

• منابع تکمیلی Additional materials

درک شهودی GANها Intuition about GANs

• GAN: درک شهودی GAN - intuition

تولید خودکار تصویر Automatic image generation

• بارگذاری مجموعه‌داده Loading the dataset

• ساخت ژنراتور ۱ Building the generator 1

• ساخت ژنراتور ۲ Building the generator 2

• ساخت دیسکریمیناتور (تمایزگر) Building the discriminator

• محاسبه Loss Calculating the loss

• آموزش GAN ۱ Training the GAN 1

• آموزش GAN ۲ Training the GAN 2

بخش تکمیلی: برنامه‌نویسی پایه پایتون Additional - Basic Python Programming

• مقدمه‌ای بر پایتون Introduction to Python

• نصب Installation

• محیط‌های برنامه‌نویسی (IDEs) Python IDEs

• ثابت‌ها و متغیرها Constants and variables

• عملیات ریاضی Mathematical operations

• رشته‌ها (Strings) Strings

• تمرین HOMEWORK

• پاسخ تمرین Homework solution

• عملگرهای منطقی و رابطه‌ای Logical and relational operators

• عملگرهای شرطی Conditional operators

• تمرین HOMEWORK

• پاسخ تمرین Homework solution

• حلقه‌ها: for Loops - for

• حلقه‌ها: while Loops - while

• تمرین HOMEWORK

• پاسخ تمرین Homework solution

• مجموعه‌ها: تاپل‌ها و لیست‌ها Collections - tuples and lists

• مجموعه‌ها: ماتریس‌ها Collections - matrices

• تمرین HOMEWORK

• پاسخ تمرین Homework solution

• توابع Functions

• تمرین HOMEWORK

• پاسخ تمرین Homework solution

• ماژول‌ها: math و datetime Modules - math and datetime

• ماژول‌ها: random و time Modules - random and time

• ساخت مدل‌های سفارشی Creating custom models

• تمرین HOMEWORK

• پاسخ تمرین Homework solution

• خطاها و استثناها (Exceptions) Error and exceptions

• تمرین HOMEWORK

• پاسخ تمرین Homework solution

• خواندن و نوشتن فایل‌های متنی Reading and writing text files

• تمرین HOMEWORK

• پاسخ تمرین Homework solution

• عبارات منظم (Regular Expressions): درک شهودی Regular expressions - intuition

• عبارات منظم: پیاده‌سازی Regular expressions - implementation

• تمرین HOMEWORK

• پاسخ تمرین Homework solution

• برنامه‌نویسی شی‌گرا: درک شهودی Object oriented - intuition

• برنامه‌نویسی شی‌گرا: پیاده‌سازی Object oriented - implementation

• تمرین HOMEWORK

• پاسخ تمرین Homework solution

سخن نهایی Final remarks

• سخن نهایی Final remarks

• بونوس (هدیه) BONUS