تسلط بر یادگیری عمیق برای هوش مصنوعی

سرفصل ها و درس ها

مقدمه ای بر مفاهیم یادگیری عمیق Introduction to Deep Learning Concepts

• تاریخچه یادگیری عمیق و با الهام از علوم اعصاب The History of Deep Learning and Inspired by Neuroscience

• درک شبکه های عصبی: وزن ها، شبکه های چند نورونی Understanding Neural Networks: Weights, Multi-Neuron Networks

• شیرجه رفتن عمیق در پس انتشار Dive Deep into Backpropagation

شبکه های عصبی مکرر (RNN) Recurrent Neural Networks (RNNs)

• مقدمه ای بر RNN: شهود پشت RNN و سلول های مختلف Introduction to RNNs: The Intuition Behind RNNs and Different Cells

• ساخت RNN با TensorFlow: شبکه های عصبی چندگانه عملی Building RNNs with TensorFlow: Hands-on Multiple Neural Networks

• آموزش RNN در TensorFlow: Model Fit، Compile و Execute Training RNNs in TensorFlow: Model Fit, Compile, and Execute

تکنیک های آموزشی پیشرفته Advanced Training Techniques

• بهینه سازی آموزش مدل: آموزش مدل با تعداد دوره Optimizing Model Training: Model Training with Number of Epochs

• مدل‌های ترتیب به ترتیب: مدل‌های رمزگذار و رمزگشا Sequence-to-Sequence Models: Encoder and Decoder Models

• شبکه‌ها و برنامه‌های LSTM: راه‌اندازی تصادفی و LSTM Intuition LSTM Networks and Applications: Random Initialization and LSTM Intuition

شبکه های عصبی کانولوشن (CNN) Convolutional Neural Networks (CNNs)

• پیاده سازی LSTM با TensorFlow: پیاده سازی سفارشی Implementing LSTMs with TensorFlow: Custom Implementation

• مقدمه ای بر Computer Vision: Pixel Idea و تبدیل به آرایه ها Introduction to Computer Vision: Pixel Idea and Conversion into Arrays

• مبانی شبکه های عصبی کانولوشن: پدینگ و کرنل Basics of Convolutional Neural Networks: Padding and Kernel

تکنیک های پیشرفته CNN Advanced CNN Techniques

• درک هسته ها در CNN: هسته های مختلف Understanding Kernels in CNNs: Different Kernels

• Padding، گام‌ها، و Pooling در CNN Padding, Strides, and Pooling in CNNs

• افزایش و بهینه سازی داده در CNN: TensorFlow عملی Data Augmentation and Optimization in CNNs: Hands-on TensorFlow

پیاده سازی CNN ها Implementing CNNs

• ساخت و آموزش مدل های CNN Building and Training CNN Models

• پیاده سازی LSTM با TensorFlow: پیش پردازش داده ها Implementing LSTMs with TensorFlow: Preprocessing of Data

• جدید! ساخت مدل‌های مولد با LSTMs: مدل‌های قطار با Hyperparameter Tun New! Building Generative Models with LSTMs: Train Models with Hyperparameter Tun

یادگیری عمیق برای بینایی کامپیوتر Deep Learning for Computer Vision

• مقدمه ای بر بینایی کامپیوتر با یادگیری عمیق: پیش پردازش و آموزش Introduction to Computer Vision with Deep Learning: Preprocessing and Training

• آموزش مدل های یادگیری عمیق برای داده های تصویری 1500 تصویر روی داده های آموزش و آزمون Training Deep Learning Models for Image Data 1500 Images on Training & Test Data

• مدیریت کارآمد داده های تصویر بزرگ: نمونه های آموزشی Efficiently Handling Large Image Data: Training Samples

تکنیک های پیشرفته در پردازش تصویر Advanced Techniques in Image Processing

• تکنیک های پیشرفته پردازش تصویر: تمیز کردن و پیش پردازش داده ها Advanced Image Processing Techniques: Cleaning and Preprocessing Data

• طبقه بندی با یادگیری عمیق: 10 وظیفه طبقه بندی Classification with Deep Learning: 10 Classification Tasks

• ارزیابی مدل و یادگیری انتقال: ارزیابی مدل ها و ترانسفورماتورها Model Evaluation and Transfer Learning: Evaluating Models and Transformers

تفسیر و بهینه سازی مدل Model Interpretation and Optimization

• تفسیر مدل های یادگیری عمیق: شهود هندسی مدل های VGG16 Interpreting Deep Learning Models: Geometric Intuition of VGG16 Models

• بهینه سازی مدل های یادگیری عمیق: نزول گرادیان و نزول گرادیان تصادفی Optimizing Deep Learning Models: Gradient Descent and Stochastic Gradient Descen

• تکنیک های بهینه سازی پیشرفته Advanced Optimization Techniques

استقرار و نگهداری از مدل های یادگیری عمیق Deployment and Maintenance of Deep Learning Models

• استقرار عملی مدل های یادگیری عمیق: معادلات ریاضی Practical Deployment of Deep Learning Models: Mathematical Equations

• استقرار مدل ها با فلاسک: درک موارد داخلی Deploying Models with Flask: Understanding the Internals

• رسیدگی به درخواست‌ها با کراس و فلاسک: مدل‌های کراس و روش‌های دریافت/پست Handling Requests with Keras and Flask: Keras Models and Get/Post Methods

تکنیک های پیشرفته استقرار Advanced Deployment Techniques

• مقیاس بندی مدل های یادگیری عمیق: تصویر CNN Animal in Action Scaling Deep Learning Models: Image CNN Animal in Action

• اطمینان از تاخیر کم در استقرار مدل: دریافت برنامه فلاسک لاگ Ensuring Low Latency in Model Deployment: Getting Logs Flask Application

• Flask Application Deploy Demo Flask Application Deploy Demo