آموزش علم داده: یادگیری عمیق و شبکه‌های عصبی در پایتون - آخرین آپدیت

سرفصل ها و درس ها

خوش آمدید Welcome

• مقدمه و نمای کلی Introduction and Outline

• از کجا کد را دریافت کنیم Where to get the code

• چگونه در این دوره موفق شویم How to Succeed in this Course

مرور Review

• مقدمه بخش مرور Review Section Introduction

• یادگیری ماشین چه کاری انجام می‌دهد؟ What does machine learning do?

• پیش‌بینی‌های نورون Neuron Predictions

• آموزش نورون Neuron Training

• آزمون آمادگی یادگیری عمیق Deep Learning Readiness Test

• خلاصه بخش مرور Review Section Summary

مقدمات: از نورون‌ها تا شبکه‌های عصبی Preliminaries: From Neurons to Neural Networks

• شبکه‌های عصبی بدون ریاضیات Neural Networks with No Math

• مقدمه پروژه دوره تجارت الکترونیک Introduction to the E-Commerce Course Project

دسته‌بندی بیش از ۲ چیز در یک زمان Classifying more than 2 things at a time

• پیش‌بینی: مقدمه و نمای کلی بخش Prediction: Section Introduction and Outline

• از رگرسیون لجستیک تا شبکه‌های عصبی From Logistic Regression to Neural Networks

• تفسیر وزن‌های یک شبکه عصبی Interpreting the Weights of a Neural Network

• سافت‌مکس Softmax

• سیگموئید در مقابل سافت‌مکس Sigmoid vs. Softmax

• پیش‌خور در حرکت آهسته (قسمت ۱) Feedforward in Slow-Mo (part 1)

• پیش‌خور در حرکت آهسته (قسمت ۲) Feedforward in Slow-Mo (part 2)

• از کجا کد این دوره را دریافت کنیم Where to get the code for this course

• سافت‌مکس در کد Softmax in Code

• ساخت یک شبکه عصبی پیش‌خور کامل در پایتون Building an entire feedforward neural network in Python

• پروژه دوره تجارت الکترونیک: پیش‌پردازش داده‌ها E-Commerce Course Project: Pre-Processing the Data

• پروژه دوره تجارت الکترونیک: انجام پیش‌بینی‌ها E-Commerce Course Project: Making Predictions

• آزمون‌های پیش‌بینی Prediction Quizzes

• پیش‌بینی: خلاصه بخش Prediction: Section Summary

• جعبه پیشنهادات Suggestion Box

آموزش یک شبکه عصبی Training a neural network

• آموزش: مقدمه و نمای کلی بخش Training: Section Introduction and Outline

• این نمادها و حروف چه معنایی دارند؟ What do all these symbols and letters mean?

• منظور از "آموزش" یک شبکه عصبی چیست؟ What does it mean to "train" a neural network?

• چگونه خود را برای یادگیری پس‌انتشار آماده کنید How to Brace Yourself to Learn Backpropagation

• تابع زیان تقاطع آنتروپی دسته‌ای Categorical Cross-Entropy Loss Function

• آموزش رگرسیون لجستیک با سافت‌مکس (قسمت ۱) Training Logistic Regression with Softmax (part 1)

• آموزش رگرسیون لجستیک با سافت‌مکس (قسمت ۲) Training Logistic Regression with Softmax (part 2)

• پس‌انتشار (قسمت ۱) Backpropagation (part 1)

• پس‌انتشار (قسمت ۲) Backpropagation (part 2)

• پس‌انتشار در کد Backpropagation in code

• پس‌انتشار (قسمت ۳) Backpropagation (part 3)

• راه اشتباه برای یادگیری پس‌انتشار The WRONG Way to Learn Backpropagation

• پروژه دوره تجارت الکترونیک: آموزش رگرسیون لجستیک با سافت‌مکس E-Commerce Course Project: Training Logistic Regression with Softmax

• پروژه دوره تجارت الکترونیک: آموزش یک شبکه عصبی E-Commerce Course Project: Training a Neural Network

• آزمون آموزش Training Quiz

• آموزش: خلاصه بخش Training: Section Summary

یادگیری ماشین عملی Practical Machine Learning

• مسائل عملی: مقدمه و نمای کلی بخش Practical Issues: Section Introduction and Outline

• مرور دونات و XOR Donut and XOR Review

• دونات و XOR بازنگری شده Donut and XOR Revisited

• شبکه‌های عصبی برای رگرسیون Neural Networks for Regression

• توابع غیرخطی رایج و مشتقات آن‌ها Common nonlinearities and their derivatives

• ملاحظات عملی برای انتخاب توابع فعال‌سازی Practical Considerations for Choosing Activation Functions

• فراپارامترها و اعتبارسنجی متقابل Hyperparameters and Cross-Validation

• انتخاب دستی نرخ یادگیری و جریمه نظم‌دهی Manually Choosing Learning Rate and Regularization Penalty

• چرا بر جذر D تقسیم می‌کنیم؟ Why Divide by Square Root of D?

• مسائل عملی: خلاصه بخش Practical Issues: Section Summary

تنسورفلو، تمرین‌ها، ممارست و گام‌های بعدی TensorFlow, exercises, practice, and what to learn next

• نمونه پلاگ-و-پلی تنسورفلو TensorFlow plug-and-play example

• تجسم آنچه یک شبکه عصبی با استفاده از تنسورفلو پلی‌گراوند یاد گرفته است Visualizing what a neural network has learned using TensorFlow Playground

• از اینجا به کجا برویم Where to go from here

• بیشتر از آنچه فکر می‌کنید می‌دانید You know more than you think you know

• چگونه در یادگیری عمیق مهارت پیدا کنیم + تمرین‌ها How to get good at deep learning + exercises

• شبکه‌های عصبی عمیق فقط در ۳ خط کد با Sci-Kit Learn Deep neural networks in just 3 lines of code with Sci-Kit Learn

پروژه: تشخیص حالت چهره Project: Facial Expression Recognition

• مقدمه پروژه تشخیص حالت چهره Facial Expression Recognition Project Introduction

• شرح مسئله تشخیص حالت چهره Facial Expression Recognition Problem Description

• مشکل عدم تعادل کلاس The class imbalance problem

• مرور ابزارها Utilities walkthrough

• تشخیص حالت چهره در کد (دودویی / سیگموئید) Facial Expression Recognition in Code (Binary / Sigmoid)

• تشخیص حالت چهره در کد (رگرسیون لجستیک سافت‌مکس) Facial Expression Recognition in Code (Logistic Regression Softmax)

• تشخیص حالت چهره در کد (شبکه عصبی مصنوعی سافت‌مکس) Facial Expression Recognition in Code (ANN Softmax)

• خلاصه پروژه تشخیص حالت چهره Facial Expression Recognition Project Summary

سخنرانی‌های تکمیلی پس‌انتشار Backpropagation Supplementary Lectures

• مقدمه سخنرانی‌های تکمیلی پس‌انتشار Backpropagation Supplementary Lectures Introduction

• چرا باید جزئیات پس‌انتشار را یاد گرفت؟ Why Learn the Ins and Outs of Backpropagation?

• آموزش گرادیان کاهشی Gradient Descent Tutorial

• کمک با مشتق سافت‌مکس Help with Softmax Derivative

• عیب‌یابی پس‌انتشار با سافت‌مکس Backpropagation with Softmax Troubleshooting

بحث سطح بالا Higher-Level Discussion

• تفاوت بین "شبکه‌های عصبی" و "یادگیری عمیق" چیست؟ What's the difference between "neural networks" and "deep learning"?

• چه کسانی باید این دوره را در سال ۲۰۲۰ و بعد از آن بگذرانند؟ Who should take this course in 2020 and beyond?

• چه کسانی باید پس‌انتشار را در سال ۲۰۲۰ و بعد از آن یاد بگیرند؟ Who should learn backpropagation in 2020 and beyond?

• این دوره در مطالعات یادگیری عمیق شما کجا قرار می‌گیرد؟ Where does this course fit into your deep learning studies?

مقدمه پیوست / پرسش‌های متداول Appendix / FAQ Intro

• پیوست چیست؟ What is the Appendix?

راه‌اندازی محیط شما (پرسش‌های متداول به درخواست دانشجو) Setting Up Your Environment (FAQ by Student Request)

• بررسی پیش از نصب Pre-Installation Check

• راه‌اندازی محیط آناکوندا Anaconda Environment Setup

• نحوه نصب Numpy، Scipy، Matplotlib، Pandas، IPython، Theano و TensorFlow How to install Numpy, Scipy, Matplotlib, Pandas, IPython, Theano, and TensorFlow

کمک اضافی با کدنویسی پایتون برای مبتدیان (پرسش‌های متداول به درخواست دانشجو) Extra Help With Python Coding for Beginners (FAQ by Student Request)

• چگونه فایل .tar.gz را از حالت فشرده خارج کنیم How to Uncompress a .tar.gz file

• چگونه خودتان کدنویسی کنید (قسمت ۱) How to Code by Yourself (part 1)

• چگونه خودتان کدنویسی کنید (قسمت ۲) How to Code by Yourself (part 2)

• اثبات اینکه استفاده از Jupyter Notebook با عدم استفاده از آن تفاوتی ندارد Proof that using Jupyter Notebook is the same as not using it

• پایتون ۲ در مقابل پایتون ۳ Python 2 vs Python 3

استراتژی‌های یادگیری مؤثر برای یادگیری ماشین (پرسش‌های متداول به درخواست دانشجو) Effective Learning Strategies for Machine Learning (FAQ by Student Request)

• چگونه در این دوره موفق شویم (نسخه طولانی) How to Succeed in this Course (Long Version)

• آیا این برای مبتدیان است یا کارشناسان؟ آکادمیک یا عملی؟ با سرعت بالا یا پایین؟ Is this for Beginners or Experts? Academic or Practical? Fast or slow-paced?

• این دوره در مطالعات یادگیری عمیق شما کجا قرار می‌گیرد؟ (نسخه قدیمی) Where does this course fit into your deep learning studies? (Old Version)

• نقشه راه پیش‌نیازهای یادگیری ماشین و هوش مصنوعی (قسمت ۱) Machine Learning and AI Prerequisite Roadmap (pt 1)

• نقشه راه پیش‌نیازهای یادگیری ماشین و هوش مصنوعی (قسمت ۲) Machine Learning and AI Prerequisite Roadmap (pt 2)

فینال پیوست / پرسش‌های متداول Appendix / FAQ Finale

• پاداش ویژه BONUS