یادگیری عمیق - شبکه های عصبی مصنوعی با تنسورفلو [ویدئو]

سرفصل ها و درس ها

خوش آمدی Welcome

• معرفی Introduction

• طرح کلی Outline

یادگیری ماشین و نورون ها Machine Learning and Neurons

• یادگیری ماشینی چیست؟ What Is Machine Learning?

• تهیه کد (تئوری طبقه بندی) Code Preparation (Classification Theory)

• دفترچه رده بندی Classification Notebook

• تهیه کد (نظریه رگرسیون) Code Preparation (Regression Theory)

• دفترچه رگرسیون Regression Notebook

• نورون The Neuron

• چگونه یک مدل "یاد می گیرد"؟ How Does a Model "Learn"?

• پیشگویی Making Predictions

• ذخیره و بارگذاری یک مدل Saving and Loading a Model

• چرا کراس؟ Why Keras?

• صندوق پیشنهادات Suggestion Box

شبکه های عصبی مصنوعی پیشخور Feedforward Artificial Neural Networks

• معرفی بخش شبکه های عصبی مصنوعی Artificial Neural Networks Section Introduction

• انتشار رو به جلو Forward Propagation

• تصویر هندسی The Geometrical Picture

• توابع فعال سازی Activation Functions

• طبقه بندی چند طبقه Multiclass Classification

• نحوه نمایش تصاویر How to Represent Images

• تهیه کد (شبکه های عصبی مصنوعی) Code Preparation (Artificial Neural Networks)

• ANN برای طبقه بندی تصویر ANN for Image Classification

• ANN برای رگرسیون ANN for Regression

• نحوه انتخاب فراپارامترها How to Choose Hyperparameters

در عمق: توابع از دست دادن In-Depth: Loss Functions

• خطای میانگین مربعات Mean Squared Error

• آنتروپی متقاطع باینری Binary Cross Entropy

• آنتروپی متقاطع طبقه ای Categorical Cross Entropy

در عمق: گرادیان نزول In-Depth: Gradient Descent

• گرادیان نزول Gradient Descent

• نزول گرادیان تصادفی Stochastic Gradient Descent

• تکانه Momentum

• نرخ های یادگیری متغیر و تطبیقی Variable and Adaptive Learning Rates

• Adam Optimization (قسمت 1) Adam Optimization (Part 1)

• Adam Optimization (قسمت 2) Adam Optimization (Part 2)