آموزش یادگیری عمیق و معماری‌های مدرن هوش مصنوعی - آخرین آپدیت

هفته ۹: مبانی شبکه‌های عصبی و یادگیری عمیق Week 9: Neural Networks and Deep Learning Fundamentals

• مقدمه‌ای بر هفته ۹: مبانی شبکه‌های عصبی و یادگیری عمیق Introduction to Week 9 Neural Networks and Deep Learning Fundamentals

• روز اول: آشنایی با یادگیری عمیق و شبکه‌های عصبی Day 1: Introduction to Deep Learning and Neural Networks

• روز دوم: انتشار پیشرو و توابع فعال‌ساز Day 2: Forward Propagation and Activation Functions

• روز سوم: توابع هزینه و انتشار پس‌رو Day 3: Loss Functions and Backpropagation

• روز چهارم: گرادینت نزولی و تکنیک‌های بهینه‌سازی Day 4: Gradient Descent and Optimization Techniques

• روز پنجم: ساخت شبکه‌های عصبی با TensorFlow و Keras Day 5: Building Neural Networks with TensorFlow and Keras

• روز ششم: ساخت شبکه‌های عصبی با PyTorch Day 6: Building Neural Networks with PyTorch

• روز هفتم: پروژه شبکه عصبی – طبقه‌بندی تصاویر در CIFAR 10 Day 7: Neural Network Project – Image Classification on CIFAR-10

هفته ۱۰: شبکه‌های عصبی کانولوشنال (CNNs) Week 10: Convolutional Neural Networks (CNNs)

• مقدمه‌ای بر هفته ۱۰: شبکه‌های عصبی کانولوشنال (CNNs) Introduction to Week 10 Convolutional Neural Networks (CNNs)

• روز اول: آشنایی با شبکه‌های عصبی کانولوشنال Day 1: Introduction to Convolutional Neural Networks

• روز دوم: لایه‌های کانولوشنال و فیلترها Day 2: Convolutional Layers and Filters

• روز سوم: لایه‌های پولینگ و کاهش ابعاد Day 3: Pooling Layers and Dimensionality Reduction

• روز چهارم: ساخت معماری‌های CNN با Keras و TensorFlow Day 4: Building CNN Architectures with Keras and TensorFlow

• روز پنجم: ساخت معماری‌های CNN با PyTorch Day 5: Building CNN Architectures with PyTorch

• روز ششم: منظم‌سازی و افزایش داده‌ها (Data Augmentation) برای CNN Day 6: Regularization and Data Augmentation for CNNs

• روز هفتم: پروژه CNN – طبقه‌بندی تصاویر در Fashion MNIST یا CIFAR 10 Day 7: CNN Project – Image Classification on Fashion MNIST or CIFAR-10

هفته ۱۱: شبکه‌های عصبی بازگشتی (RNNs) و مدل‌سازی توالی Week 11: Recurrent Neural Networks (RNNs) and Sequence Modeling

• مقدمه‌ای بر هفته ۱۱: شبکه‌های عصبی بازگشتی (RNNs) و مدل‌سازی توالی Introduction to Week 11 Recurrent Neural Networks (RNNs) and Sequence Modeling

• روز اول: آشنایی با مدل‌سازی توالی و RNNها Day 1: Introduction to Sequence Modeling and RNNs

• روز دوم: درک معماری RNN و انتشار پس‌رو در زمان (BPTT) Day 2: Understanding RNN Architecture and Backpropagation Through Time (BPTT)

• روز سوم: شبکه‌های حافظه طولانی کوتاه‌مدت (LSTM) Day 3: Long Short-Term Memory (LSTM) Networks

• روز چهارم: واحدهای بازگشتی گیت‌دار (GRUs) Day 4: Gated Recurrent Units (GRUs)

• روز پنجم: پیش‌پردازش متن و جایگذاری کلمات (Word Embeddings) برای RNN Day 5: Text Preprocessing and Word Embeddings for RNNs

• روز ششم: مدل‌های توالی به توالی (Seq2Seq) و کاربردهای آن Day 6: Sequence-to-Sequence Models and Applications

• روز هفتم: پروژه RNN – تولید متن یا تحلیل احساسات Day 7: RNN Project – Text Generation or Sentiment Analysis

هفته ۱۲: ترنسفورمرها و مکانیزم‌های توجه Week 12: Transformers and Attention Mechanisms

• مقدمه‌ای بر هفته ۱۲: ترنسفورمرها و مکانیزم‌های توجه Introduction to Week 12 Transformers and Attention Mechanisms

• روز اول: آشنایی با مکانیزم‌های توجه (Attention) Day 1: Introduction to Attention Mechanisms

• روز دوم: آشنایی با معماری ترنسفورمرها Day 2: Introduction to Transformers Architecture

• روز سوم: خود-توجهی و توجه چند-سره در ترنسفورمرها Day 3: Self-Attention and Multi-Head Attention in Transformers

• روز چهارم: کدگذاری موقعیتی و شبکه‌های پیش‌خور (Feed Forward) Day 4: Positional Encoding and Feed-Forward Networks

• روز پنجم: کار عملی با ترنسفورمرهای پیش‌آموزش‌دیده – BERT و GPT Day 5: Hands-On with Pre-Trained Transformers – BERT and GPT

• روز ششم: ترنسفورمرهای پیشرفته – نسخه‌های BERT و GPT-3 Day 6: Advanced Transformers – BERT Variants and GPT-3

• روز هفتم: پروژه ترنسفورمر – خلاصه‌سازی یا ترجمه متن Day 7: Transformer Project – Text Summarization or Translation

هفته ۱۳: یادگیری انتقالی و بهینه‌سازی (Fine Tuning) Week 13: Transfer Learning and Fine-Tuning

• مقدمه‌ای بر هفته ۱۳: یادگیری انتقالی و بهینه‌سازی (Fine Tuning) Introduction to Week 13 Transfer Learning and Fine-Tuning

• روز اول: آشنایی با یادگیری انتقالی Day 1: Introduction to Transfer Learning

• روز دوم: یادگیری انتقالی در بینایی ماشین Day 2: Transfer Learning in Computer Vision

• روز سوم: تکنیک‌های بهینه‌سازی در بینایی ماشین Day 3: Fine-Tuning Techniques in Computer Vision

• روز چهارم: یادگیری انتقالی در پردازش زبان طبیعی (NLP) Day 4: Transfer Learning in NLP

• روز پنجم: تکنیک‌های بهینه‌سازی در NLP Day 5: Fine-Tuning Techniques in NLP

• روز ششم: تطبیق دامنه و چالش‌های یادگیری انتقالی Day 6: Domain Adaptation and Transfer Learning Challenges

• روز هفتم: پروژه یادگیری انتقالی – بهینه‌سازی برای یک وظیفه سفارشی Day 7: Transfer Learning Project – Fine-Tuning for a Custom Task