آموزش ریاضیات پس‌انتشار (Backpropagation) | تئوری و کدنویسی پایتون [ویدئویی] - آخرین آپدیت

سرفصل ها و درس ها

آنچه خواهیم آموخت What We're Going to Learn

• این دوره درباره چیست What Is This Course

شبکه‌های عصبی، مشتقات، گرادینت‌ها، قانون زنجیره‌ای، کاهش گرادینت و بیشتر 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

• اجرای گذر پیشرو (Forward Pass) Conducting the Forward Pass

• نقشه راه درک پس‌انتشار Roadmap to Understanding Backpropagation

• تئوری مشتقات Derivatives Theory

• مثال عددی از مشتقات Numerical Example of Derivatives

• درک مشتقات جزئی Understanding Partial Derivatives

• درک گرادینت‌ها Understanding Gradients

• درک عملکرد مشتقات جزئی (مثال) Understanding What Partial Derivatives Do (Example)

• مقدمه‌ای بر پس‌انتشار Introduction to Backpropagation

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

• استخراج گرادینت تابع هزینه میانگین مربعات خطا (MSE) Gradient Derivation of the Mean Squared Error Loss Function

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

• استفاده از قانون زنجیره‌ای برای محاسبه گرادینت w2 Using the Chain Rule to Calculate the Gradient of w2

• استفاده از قانون زنجیره‌ای برای محاسبه گرادینت w1 Using the Chain Rule to Calculate the Gradient of w1

• تجسم کاهش گرادینت Visualizing Gradient Descent

• مقدمه‌ای بر کاهش گرادینت (Gradient Descent) Introduction to Gradient Descent

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

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

• محاسبه دستی کاهش گرادینت Calculating Gradient Descent by Hand

• کدنویسی شبکه عصبی ساده - بخش اول Coding Our Simple Neural Network Part 1

• کدنویسی شبکه عصبی ساده - بخش دوم Coding Our Simple Neural Network Part 2

• کدنویسی شبکه عصبی ساده - بخش سوم Coding Our Simple Neural Network Part 3

• کدنویسی شبکه عصبی ساده - بخش چهارم Coding Our Simple Neural Network Part 4

• کدنویسی شبکه عصبی ساده - بخش پنجم Coding Our Simple Neural Network Part 5

پیاده‌سازی شبکه عصبی پیشرفته به صورت دستی + پایتون Implementing Our Advanced Neural Network By Hand + Python

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

• اجرای گذر پیشرو Conducting the Forward Pass

• شروع کار با پس‌انتشار Getting Started with Backpropagation

• به دست آوردن مشتق تابع فعال‌ساز سیگموئید (اختیاری) Getting the Derivative of the Sigmoid Activation Function (Optional)

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

• درک چگونگی تأثیر w3 بر هزینه نهایی Understanding How w3 Affects the Final Loss

• محاسبه گرادینت‌ها برای Z1 Calculating Gradients for Z1

• درک چگونگی تأثیر w1 و w2 بر هزینه Understanding How w1 & w2 Affect the Loss

• پیاده‌سازی دستی کاهش گرادینت Implementing Gradient Descent by Hand

• کدنویسی شبکه عصبی پیشرفته - بخش اول (پیاده‌سازی گذر پیشرو + هزینه) Coding Our Advanced Neural Network Part (Implementing Forward Pass + Loss)

• کدنویسی شبکه عصبی پیشرفته - بخش دوم (پیاده‌سازی پس‌انتشار) Coding Our Advanced Neural Network Part 2 (Implement Backpropagation)

• کدنویسی شبکه عصبی پیشرفته - بخش سوم (پیاده‌سازی کاهش گرادینت) Coding Our Advanced Neural Network Part 3 (Implement Gradient Descent)

• کدنویسی شبکه عصبی پیشرفته - بخش چهارم (آموزش شبکه عصبی) Coding Our Advanced Neural Network Part 4 (Training Our Neural Network)