آموزش یادگیری عمیق، پردازش زبان طبیعی (NLP) و کاربردهای هوش مصنوعی - آخرین آپدیت

مبانی شبکه‌های عصبی و یادگیری عمیق Neural Networks and Deep Learning Fundamentals

• مقدمه‌ای بر هفته ۹: مبانی شبکه‌های عصبی و یادگیری عمیق Introduction to Week 9 Neural Networks and Deep Learning Fundamentals

• روز ۱: مقدمه‌ای بر یادگیری عمیق و شبکه‌های عصبی Day 1: Introduction to Deep Learning and Neural Networks

• روز ۲: انتشار رو به جلو و توابع فعال‌ساز Day 2: Forward Propagation and Activation Functions

• روز ۳: توابع زیان و پس‌انتشار (Backpropagation) Day 3: Loss Functions and Backpropagation

• روز ۴: گرادیان کاهشی و تکنیک‌های بهینه‌سازی Day 4: Gradient Descent and Optimization Techniques

• روز ۵: ساخت شبکه‌های عصبی با TensorFlow و Keras Day 5: Building Neural Networks with TensorFlow and Keras

• روز ۶: ساخت شبکه‌های عصبی با PyTorch Day 6: Building Neural Networks with PyTorch

• روز ۷: پروژه شبکه عصبی – طبقه‌بندی تصاویر در CIFAR 10 Day 7: Neural Network Project – Image Classification on CIFAR-10

شبکه‌های عصبی پیچشی (CNNs) Convolutional Neural Networks (CNNs)

• مقدمه‌ای بر هفته ۱۰: شبکه‌های عصبی پیچشی (CNNs) Introduction to Week 10 Convolutional Neural Networks (CNNs)

• روز ۱: مقدمه‌ای بر شبکه‌های عصبی پیچشی Day 1: Introduction to Convolutional Neural Networks

• روز ۲: لایه‌های پیچشی و فیلترها Day 2: Convolutional Layers and Filters

• روز ۳: لایه‌های Pooling و کاهش ابعاد Day 3: Pooling Layers and Dimensionality Reduction

• روز ۴: ساخت معماری‌های CNN با Keras و TensorFlow Day 4: Building CNN Architectures with Keras and TensorFlow

• روز ۵: ساخت معماری‌های CNN با PyTorch Day 5: Building CNN Architectures with PyTorch

• روز ۶: منظم‌سازی (Regularization) و افزایش داده برای CNNها Day 6: Regularization and Data Augmentation for CNNs

• روز ۷: پروژه CNN – طبقه‌بندی تصاویر در Fashion MNIST یا CIFAR 10 Day 7: CNN Project – Image Classification on Fashion MNIST or CIFAR-10

شبکه‌های عصبی بازگشتی (RNNs) و مدل‌سازی توالی Recurrent Neural Networks (RNNs) and Sequence Modeling

• مقدمه‌ای بر هفته ۱۱: شبکه‌های عصبی بازگشتی (RNNs) و مدل‌سازی توالی Introduction to Week 11: Recurrent Neural Networks (RNNs) and Sequence Modeling

• روز ۱: مقدمه‌ای بر مدل‌سازی توالی و RNNها Day 1: Introduction to Sequence Modeling and RNNs

• روز ۲: درک معماری RNN و پس‌انتشار در طول زمان (BPTT) Day 2: Understanding RNN Architecture and Backpropagation Through Time (BPTT)

• روز ۳: شبکه‌های حافظه طولانی کوتاه‌مدت (LSTM) Day 3: Long Short-Term Memory (LSTM) Networks

• روز ۴: واحدهای بازگشتی دروازه‌ای (GRUs) Day 4: Gated Recurrent Units (GRUs)

• روز ۵: پیش‌پردازش متن و جاسازی کلمات (Word Embeddings) برای RNNها Day 5: Text Preprocessing and Word Embeddings for RNNs

• روز ۶: مدل‌های توالی به توالی (Seq2Seq) و کاربردهای آن‌ها Day 6: Sequence-to-Sequence Models and Applications

• روز ۷: پروژه RNN – تولید متن یا تحلیل احساسات Day 7: RNN Project – Text Generation or Sentiment Analysis

ترنسفورمرها و مکانیزم‌های توجه (Attention) Transformers and Attention Mechanisms

• مقدمه‌ای بر هفته ۱۲: ترنسفورمرها و مکانیزم‌های توجه Introduction to Week 12: Transformers and Attention Mechanisms

• روز ۱: مقدمه‌ای بر مکانیزم‌های توجه (Attention Mechanisms) Day 1: Introduction to Attention Mechanisms

• روز ۲: مقدمه‌ای بر معماری ترنسفورمرها Day 2: Introduction to Transformers Architecture

• روز ۳: خود-توجهی (Self Attention) و چند-سر توجه در ترنسفورمرها Day 3: Self-Attention and Multi-Head Attention in Transformers

• روز ۴: کدگذاری موقعیتی و شبکه‌های پیش‌خور (Feed Forward) Day 4: Positional Encoding and Feed-Forward Networks

• روز ۵: کار عملی با ترنسفورمرهای پیش‌آموزش‌دیده – BERT و GPT Day 5: Hands-On with Pre-Trained Transformers – BERT and GPT

• روز ۶: ترنسفورمرهای پیشرفته – گونه‌های BERT و GPT 3 Day 6: Advanced Transformers – BERT Variants and GPT-3

• روز ۷: پروژه ترنسفورمر – خلاصه‌سازی متن یا ترجمه Day 7: Transformer Project – Text Summarization or Translation

یادگیری انتقال و تنظیم دقیق (Fine Tuning) Transfer Learning and Fine-Tuning

• مقدمه‌ای بر هفته ۱۳: یادگیری انتقال و تنظیم دقیق Introduction to Week 13: Transfer Learning and Fine-Tuning

• روز ۱: مقدمه‌ای بر یادگیری انتقال (Transfer Learning) Day 1: Introduction to Transfer Learning

• روز ۲: یادگیری انتقال در بینایی ماشین Day 2: Transfer Learning in Computer Vision

• روز ۳: تکنیک‌های تنظیم دقیق در بینایی ماشین Day 3: Fine-Tuning Techniques in Computer Vision

• روز ۴: یادگیری انتقال در NLP Day 4: Transfer Learning in NLP

• روز ۵: تکنیک‌های تنظیم دقیق در NLP Day 5: Fine-Tuning Techniques in NLP

• روز ۶: انطباق دامنه و چالش‌های یادگیری انتقال Day 6: Domain Adaptation and Transfer Learning Challenges

• روز ۷: پروژه یادگیری انتقال – تنظیم دقیق برای یک وظیفه سفارشی Day 7: Transfer Learning Project – Fine-Tuning for a Custom Task

پروژه‌های هوش مصنوعی و یادگیری ماشین AI & Machine Learning Projects

• روز ۷۱: تشخیص‌دهنده ایمیل‌های اسپم Day 71: Spam Email Detector

• روز ۷۲: تحلیل‌گر احساسات متن Day 72: Text Sentiment Analyzer

• روز ۷۳: تشخیص اعداد دست‌نویس Day 73: Handwriting Digit Recognition

• روز ۷۴: دستیار صوتی Day 74: Voice Assistant

• روز ۷۵: اپلیکیشن تشخیص چهره Day 75: Face Detection App

• روز ۷۶: سیستم پیشنهاددهنده ساده Day 76: Simple Recommendation System

• روز ۷۷: چت‌بات هوش مصنوعی با NLP Day 77: AI Chatbot with NLP

• روز ۷۸: اپلیکیشن تشخیص اشیاء Day 78: Object Detection App

• روز ۷۹: ابزار ترجمه زبان Day 79: Language Translator Tool

• روز ۸۰: تشخیص اخبار جعلی Day 80: Fake News Detector