آموزش شبکه های عصبی مکرر

مقدمه Introduction

• شروع کار با RNN ها Getting started with RNNs

• محدوده و پیش نیازهای دوره Scope and prerequisites for the course

• راه اندازی فایل های تمرینی Setting up exercise files

1. مقدمه ای بر RNN ها 1. Introduction to RNNs

• مروری بر یادگیری عمیق A review of deep learning

• چرا مدل های توالی؟ Why sequence models?

• یک شبکه عصبی تکراری A recurrent neural network

• انواع RNN ها Types of RNNs

• کاربردهای RNN Applications of RNNs

• امتحان فصل Chapter Quiz

2. مفاهیم RNN 2. RNN Concepts

• آموزش مدل های RNN Training RNN models

• انتشار به جلو با RNN Forward propagation with RNN

• محاسبه تلفات RNN Computing RNN loss

• انتشار به عقب با RNN Backward propagation with RNN

• پیش بینی با RNN Predictions with RNN

• امتحان فصل Chapter Quiz

3. یک مثال RNN 3. An RNN Example

• یک مثال ساده RNN: پیش بینی قیمت سهام A simple RNN example: Predicting stock prices

• پیش پردازش داده برای RNN Data preprocessing for RNN

• آماده سازی داده های سری زمانی با نگاه به عقب Preparing time series data with lookback

• ایجاد یک مدل RNN Creating an RNN model

• تست و پیش بینی با RNN Testing and predictions with RNN

4. معماری RNN 4. RNN Architectures

• مشکل گرادیان ناپدید شدن The vanishing gradient problem

• واحد بازگشتی دردار The gated recurrent unit

• حافظه کوتاه مدت بلند مدت Long short-term memory

• RNN های دو طرفه Bidirectional RNNs

• امتحان فصل Chapter Quiz

5. یک مثال LSTM 5. An LSTM Example

• پیش بینی بارهای سرویس با LSTM Forecasting service loads with LSTM

• الگوهای سری زمانی Time series patterns

• آماده سازی داده های سری زمانی برای LSTM Preparing time series data for LSTM

• ایجاد یک مدل LSTM Creating an LSTM model

• تست مدل LSTM Testing the LSTM model

• پیش بینی بارهای خدمات: پیش بینی ها Forecasting service loads: Predictions

6. جاسازی کلمه 6. Word Embeddings

• مدل‌های مبتنی بر متن: چالش‌ها Text based models: Challenges

• مقدمه ای برای جاسازی کلمات Intro to word embeddings

• جاسازی کلمات از پیش آموزش دیده Pretrained word embeddings

• پیش پردازش متن برای RNN Text preprocessing for RNN

• ایجاد یک ماتریس تعبیه شده Creating an embedding matrix

• امتحان فصل Chapter Quiz

7. تشخیص هرزنامه با جاسازی کلمه 7. Spam Detection with Word Embeddings

• مثال تشخیص هرزنامه برای جاسازی ها Spam detection example for embeddings

• آماده سازی اطلاعات هرزنامه برای آموزش Preparing spam data for training

• ساخت ماتریس تعبیه Building the embedding matrix

• ایجاد مدل طبقه بندی هرزنامه Creating a spam classification model

• پیش بینی هرزنامه با LSTM و جاسازی کلمه Predicting spam with LSTM and word embeddings

نتیجه Conclusion

• مراحل بعدی Next steps