آموزش ریاضیات پشت انتشار رو به عقب | نظریه و کد پایتون - آخرین آپدیت

سرفصل ها و درس ها

آنچه یاد خواهیم گرفت What We're Going to Learn

• این دوره چیست What is this Course

منابع دوره Course Resources

• منابع دوره Course Resources

شبکه‌های عصبی، مشتق‌ها، گرادیان‌ها، قاعده زنجیره‌ای، نزول گرادیان و موارد دیگر Neural Networks, Derivatives, Gradients, Chain Rule, Gradient Descent and more

• مقدمه‌ای بر شبکه عصبی ساده ما Introduction to Our Simple Neural Network

• چرا از گراف‌های محاسباتی استفاده می‌کنیم Why We Use Computational Graphs

• انجام پاس رو به جلو Conducting the Forward Pass

• نقشه راه درک پس‌انتشار Roadmap to Understanding Backpropagation

• نظریه مشتق‌ها Derivatives Theory

• مثال عددی مشتق‌ها Numerical Example of Derivatives

• درک مشتق‌های جزئی Understanding Partial Derivatives

• درک گرادیان‌ها Understanding Gradients

• درک کاری که مشتق‌های جزئی انجام می‌دهند (مثال) Understanding What Partial Derivatives Do (Example)

• مقدمه‌ای بر پس‌انتشار Introduction to Backpropagation

• درک قاعده زنجیره‌ای (اختیاری) Understanding the Chain Rule (Optional)

• استخراج گرادیان تابع هزینه میانگین مربعات خطا Gradient Derivation of the Mean Squared Error Loss Function

• تجسم تابع هزینه + گرادیان‌ها Visualizing the Loss Function + Gradients

• استفاده از قاعده زنجیره‌ای برای محاسبه گرادیان w2 Using the Chain rule to Calculate the Gradient of w2

• استفاده از قاعده زنجیره‌ای برای محاسبه گرادیان w1 Using the Chain Rule to Calculate the Gradient of w1

• تجسم نزول گرادیان Visualizing Gradient Descent

• مقدمه‌ای بر نزول گرادیان Introduction to Gradient Descent

• درک نرخ یادگیری (آلفا) Understanding the Learning Rate (Alpha)

• حرکت در جهت مخالف گرادیان Moving in the Opposite Direction of the Gradient

• محاسبه نزول گرادیان با دست Calculating Gradient Descent by Hand

• کدنویسی شبکه عصبی ساده ما بخش ۱ Coding our Simple Neural Network Part 1

• کدنویسی شبکه عصبی ساده ما بخش ۲ Coding our Simple Neural Network Part 2

• کدنویسی شبکه عصبی ساده ما بخش ۳ Coding our Simple Neural Network Part 3

• کدنویسی شبکه عصبی ساده ما بخش ۴ Coding our Simple Neural Network Part 4

• کدنویسی شبکه عصبی ساده ما بخش ۵ Coding our Simple Neural Network Part 5

پیاده‌سازی شبکه عصبی پیشرفته ما با دست + پایتون Implementing Our Advanced Neural Network By Hand + Python

• مقدمه‌ای بر شبکه عصبی پیشرفته ما Introduction to Our Advanced Neural Network

• انجام پاس رو به جلو Conducting the Forward Pass

• شروع پس‌انتشار Getting Started with Backpropagation

• دریافت مشتق تابع فعال‌سازی سیگموئید (اختیاری) Getting the Derivative of the Sigmoid Activation Function (Optional)

• پیاده‌سازی پس‌انتشار با قاعده زنجیره‌ای Implementing Backpropagation with the Chain Rule

• درک اینکه چگونه w3 بر هزینه نهایی تأثیر می‌گذارد Understanding How w3 Affects the Final Loss

• محاسبه گرادیان‌ها برای Z1 Calculating Gradients For Z1

• درک اینکه چگونه w1 و w2 بر هزینه تأثیر می‌گذارند Understanding How w1 & w2 Affect the Loss

• پیاده‌سازی نزول گرادیان با دست Implementing Gradient Descent By Hand

• کدنویسی شبکه عصبی پیشرفته ما بخش (پیاده‌سازی پاس رو به جلو + هزینه) Coding our Advanced Neural Network Part (Implementing Forward Pass + Loss)

• کدنویسی شبکه عصبی پیشرفته ما بخش ۲ (پیاده‌سازی پس‌انتشار) Coding our Advanced Neural Network Part 2 (Implement Backpropagation)

• کدنویسی شبکه عصبی پیشرفته ما بخش ۳ (پیاده‌سازی نزول گرادیان) Coding our Advanced Neural Network Part 3 (Implement Gradient Descent)

• کدنویسی شبکه عصبی پیشرفته ما بخش ۴ (آموزش شبکه عصبی ما) Coding our Advanced Neural Network Part 4 (Training our Neural Network)