آموزش اصول یادگیری عمیق - آخرین آپدیت

پودمان ۱: تاریخچه یادگیری عمیق Module 1: History of Deep Learning

• مقدمه‌ای بر اصول یادگیری عمیق Introduction to Deep Learning Essentials

• مقدمه پودمان ۱: تاریخچه یادگیری عمیق Module 1 Introduction: History of Deep Learning

• هوش چیست؟ What is Intelligence?

• اجزای هوش Components of Intelligence

• هدف شناخت (Cognition) Goal of Cognition

• هوش: آغازینه‌ها (۱۹۴۲ تا ۱۹۵۰) Intelligence: The Beginning (1942-1950)

• یادگیری نمایش (Representation Learning) Representation Learning

• هوش: دوران بازگشت (۱۹۶۰ تا ۲۰۰۰) Intelligence: Reloaded (1960-2000)

• هوش: دوران انقلاب (۲۰۰۶ به بعد) Intelligence: Revolutions (2006-)

• پرسپترون Perceptron

• پرسپترون: توابع زیان جایگزین Perceptron: Surrogate Losses

پودمان ۲: پرسپترون، گرادینت کاهشی تصادفی و روش‌های کرنل Module 2: Perceptron, Stochastic Gradient Descent & Kernel Methods

• مقدمه پودمان ۲: پرسپترون، گرادینت کاهشی تصادفی و روش‌های کرنل Module 2 Introduction: Perceptron, Stochastic Gradient Descent & Kernel Methods

• گرادینت کاهشی تصادفی برای پرسپترون، بخش اول Stochastic Gradient Descent for the Perceptron, Part 1

• گرادینت کاهشی تصادفی برای پرسپترون، بخش دوم Stochastic Gradient Descent for the Perceptron, Part 2

• درک دلیل همگرایی SGD برای پرسپترون Understanding Why SGD Converges for the Perceptron

• فرم کلی SGD General Form of SGD

• نمایش دوگانه پرسپترون Dual Representation of the Perceptron

• طبقه‌بندی‌کننده‌های غیرخطی Non-linear Classifiers

• مقدمه‌ای بر کرنل‌ها Introduction to Kernels

• پرسپترون کرنل Kernel Perceptron

• ماتریس‌های گرم (Gram Matrices) Gram Matrices

• قضیه مرسر Mercer’s Theorem

پودمان ۳: شبکه‌های کاملاً متصل Module 3: Fully Connected Networks

• مقدمه پودمان ۳: شبکه‌های کاملاً متصل Module 3 Introduction: Fully Connected Networks

• یادگیری بردار ویژگی Learning the Feature Vector

• مدل ویژگی‌های تصادفی Random Features Model

• یادگیری ماتریس ویژگی Learning the Feature Matrix

• شبکه‌های عمیق کاملاً متصل Deep Fully Connected Networks

• شبکه‌های عصبی چه ویژگی‌هایی را یاد می‌گیرند؟ What Features Do Neural Networks Learn?

• شبکیه چشم پستانداران Mammalian Retina

• چرا شبکه‌های عصبی مفید هستند؟ Why are Neural Nets Useful?

پودمان ۴: پس‌انتشار (Backpropagation) Module 4: Backpropagation

• مقدمه پودمان ۴: پس‌انتشار Module 4 Introduction: Backpropagation

• اصطلاحات تخصصی یادگیری عمیق Deep Learning Jargon

• وزن‌ها Weights

• نمای کلی پس‌انتشار در شبکه‌های عصبی Overview of Backpropagation in Neural Nets

• درک پس‌انتشار با یک مثال Understanding Backpropagation with an Example

• گرادینت‌های حاصل از پس‌انتشار و نمونه‌های متخاصم Gradients from Backprop and Adversarial Samples

• دیدگاه جایگزین به پس‌انتشار Alternate View of Backprop

• انتزاع‌ها برای پیاده‌سازی پس‌انتشار Abstractions for Implementing Backprop