آموزش مهندسی و بهینه‌سازی مدل‌های یادگیری عمیق - آخرین آپدیت

شروع کنید: آشنایی و ارزیابی مهارت‌ها Start Here: Get Oriented and Check Your Skills

وظیفه شغلی ۱: انتخاب و توجیه معماری Job Task 1: Architecture Selection and Justification

• انتخاب مدل مناسب فقط به دقت وابسته نیست Choosing the Right Model Isn't Just About Accuracy

• ایجاد مدل پایه – بخش اول: آموزش مدل‌های ساده Establishing a Baseline – Part 1: Training Simple Models

• ایجاد مدل پایه – بخش دوم: ارزیابی و انتخاب مدل Establishing a Baseline – Part 2: Evaluation and Model Selection

• یادگیری عمیق برای بینایی و متن: کاربرد CNNها و ترنسفورمرها Deep Learning for Vision and Text: CNNs and Transformers in Action

وظیفه شغلی ۲: ساخت و آموزش یک شبکه پایه Job Task 2: Build and Train a Baseline Network

• ساخت یک شبکه عصبی و بصری‌سازی مسیر پیش‌رو (Forward Pass) Building a Neural Network and Visualizing the Forward Pass

• پیاده‌سازی مسیر پیش‌رو پرسپترون در PyTorch Building the Perceptron Forward Pass in PyTorch

• تعریف پرسپترون چندلایه با nn.Module و nn.Sequential Defining a Multi-Layer Perceptron with nn.Module and nn.Sequential

• اجرای مسیر پیش‌رو و بررسی ظرفیت مدل Running a Forward Pass and Exploring Model Capacity

• ساخت حلقه آموزش برای یک شبکه عصبی Building the Training Loop for a Neural Network

• ارزیابی عملکرد مدل و رسم نمودارهای نتایج Evaluating Model Performance and Plotting Results

وظیفه شغلی ۳: بهینه‌سازی سیستماتیک و تعمیم‌پذیری Job Task 3: Systematic Optimization and Generalization

• آموزش مدل‌های عمیق فقط به معنای افزودن لایه‌های بیشتر نیست Training Deep Models Isn't Just About More Layers

• به‌کارگیری Dropout برای جلوگیری از بیش‌برازش (Overfitting) Applying Dropout to Prevent Overfitting

• استفاده از منظم‌سازی L2 با Weight Decay Using L2 Regularization with Weight Decay

• پیاده‌سازی مقداردهی اولیه سفارشی وزن‌ها در PyTorch Applying Custom Weight Initialization in PyTorch

• انتخاب و تغییر بهینه‌سازها در PyTorch Choosing and Switching Optimizers in PyTorch

• بهبود پایداری: برش گرادینت و زمان‌بندی نرخ یادگیری Improving Stability: Gradient Clipping and Learning Rate Scheduling

جمع‌بندی: بررسی دستاوردهای مهارتی و انتخاب مسیر بعدی Wrap Up: Review Your Skill Achievement and Choose Your Next Path