آموزش یادگیری عمیق (Deep Learning) - آخرین آپدیت

پودمان ۱: شبکه‌های عصبی Module 1: Neural Networks

• مرور کلی دوره Course Overview

• معرفی مدرس Instructor Introduction

• مقدمه پودمان ۱ Module 1 Introduction

• کاربردهای یادگیری عمیق - بخش اول Deep Learning Applications - Part 1

• کاربردهای یادگیری عمیق - بخش دوم Deep Learning Applications - Part 2

• شبکه عصبی Neural Network

• ادامه مبحث شبکه عصبی Neural Network Continued

• پس‌انتشار (Backpropagation) Backpropagation

• ادامه مبحث پس‌انتشار Backpropagation Continued

پودمان ۲: شبکه‌های عصبی پیچشی (CNNs) Module 2: Convolutional Neural Networks (CNNs)

• مقدمه پودمان ۲ Module 2 Introduction

• شبکه عصبی پیچشی Convolutional Neural Network

• کانولوشن در CNN CNN Convolution

• بیشینه استخراج (Max Pooling) در CNN CNN - Max Pooling

• CNN چه چیزی را یاد می‌گیرد؟ What Does CNN Learn

• کاربردهای CNN Applications of CNN

پودمان ۳: نکات کاربردی یادگیری عمیق Module 3: Deep Learning Tips

• مقدمه پودمان ۳ Module 3 Introduction

• نکاتی برای یادگیری عمیق Tips for Deep Learning

• تابع فعال‌ساز ReLU ReLU

• نرخ یادگیری تطبیقی (Adaptive Learning Rate) Adaptive Learning Rate

• ادامه مبحث نرخ یادگیری تطبیقی Adaptive Learning Rate Continued

• توقف زودهنگام و منظم‌سازی (Regularization) Early Stopping and Regularization

• حذف تصادفی (Dropout) Dropout

پودمان ۴: شبکه‌های عصبی بازگشتی (RNNs) Module 4: Recurrent Neural Networks (RNNs)

• مقدمه پودمان ۴ Module 4 Introduction

• شبکه عصبی بازگشتی Recurrent Neural Network

• معماری RNN RNN Architecture

• شبکه‌های LSTM - بخش اول LSTM - Part 1

• شبکه‌های LSTM - بخش دوم LSTM - Part 2

• ادامه مبحث LSTM LSTM Continued

• یادگیری در RNN Learning on RNN

• تکنیک‌های کاربردی Helpful Techniques

پودمان ۵: مدل‌های مولد (GANs) و مدل‌های دیفیوژن (DMs) Module 5: Generative Models (GANs) and Diffusion Models (DMs)

• مقدمه پودمان ۵ Module 5 Introduction

• شبکه‌های مولد رقابتی (GAN) - بخش اول Generative Adversarial Network - Part 1

• شبکه‌های مولد رقابتی (GAN) - بخش دوم Generative Adversarial Network - Part 2

• مدل دیفیوژن (Diffusion Model) - بخش اول Diffusion Model - Part 1

• مدل دیفیوژن (Diffusion Model) - بخش دوم Diffusion Model - Part 2

• ادامه مدل دیفیوژن - بخش اول Diffusion Model Continued - Part 1

• ادامه مدل دیفیوژن - بخش دوم Diffusion Model Continued - Part 2

پودمان ۶: مکانیسم توجه (Self Attention) و ترنسفورمرها Module 6: Self-attention and Transformers

• مقدمه پودمان ۶ Module 6 Introduction

• مکانیسم توجه (Self Attention) Self-Attention

• ادامه مکانیسم توجه Self-Attention Continued

• ادامه مکانیسم توجه Self-Attention Continued

• ترنسفورمر - بخش اول Transformer - Part 1

• ترنسفورمر - بخش دوم Transformer - Part 2

• ادامه ترنسفورمر - بخش اول Transformer Continued - Part 1

• ادامه ترنسفورمر - بخش دوم Transformer Continued - Part 2

پودمان ۷: فشرده‌سازی شبکه‌های عصبی Module 7: Neural Network Compression

• مقدمه پودمان ۷ Module 7 Introduction

• هرس کردن شبکه (Pruning) - بخش اول Network Pruning - Part 1

• هرس کردن شبکه (Pruning) - بخش دوم Network Pruning - Part 2

• تقطیر دانش (Knowledge Distillation) Knowledge Distillation

• کوانتیزه کردن پارامترها Parameter Quantization

• طراحی معماری Architecture Design

• محاسبات پویا Dynamic Computation

پودمان ۸: یادگیری انتقالی (Transfer Learning) Module 8: Transfer Learning

• مقدمه پودمان ۸ Module 8 Introduction

• مقدمه‌ای بر یادگیری انتقالی و تنظیم دقیق (Fine tuning) Transfer Learning Introduction and Find-tuning

• یادگیری چندوظیفه‌ای (Multitask Learning) Multitask Learning

• آموزش متخاصم دامنه (Domain adversarial Training) Domain-adversarial Training

• یادگیری صفر-شات (Zero shot Learning) - بخش اول Zero-shot Learning - Part 1

• یادگیری صفر-شات (Zero shot Learning) - بخش دوم Zero-shot Learning - Part 2

ارزیابی نهایی دوره Summative Course Assessment