آموزش مبانی یادگیری عمیق و محیط‌های Azure - آخرین آپدیت

مبانی شبکه عصبی: شبکه‌های پیش‌خور Neural Network Foundations: Feedforward Networks

• چرا معماری شبکه عصبی اهمیت دارد Why Neural Network Architecture Matters

مبانی شبکه عصبی: توابع زیان و بهینه‌سازها Neural Network Foundations: Loss & Optimizers

• توابع فعال‌ساز و جریان گرادینت Activation Functions and Gradient Flow

• توابع زیان و چشم‌اندازهای زیان Loss Functions and Loss Landscapes

بررسی عمیق PyTorch: ماژول‌های سفارشی و Autograd PyTorch Deep Dive: Custom Modules & Autograd

• چرا ماژول‌های سفارشی مقیاس یادگیری عمیق را افزایش می‌دهند Why Custom Modules Drive Deep Learning Scale

• بررسی داخلی PyTorch Autograd و گراف‌ها Inside PyTorch Autograd and Graphs

بررسی عمیق PyTorch: دیتا لودرها و کامپایل PyTorch Deep Dive: DataLoaders & Compilation

• دیتاست‌ها، دقت ترکیبی و torch.compile Datasets, Mixed Precision, and torch.compile

Azure ML: محیط‌های کاری، محاسبات و محیط‌ها Azure ML: Workspaces, Compute and Environments

• چرا MLOps سازمانی برای یادگیری عمیق حیاتی است Why Enterprise MLOps Matters for Deep Learning

Azure ML: جاب‌ها، دارایی‌های داده و ردیابی آزمایش با MLflow Azure ML: Jobs, Data Assets and MLflow Experiment Tracking

• MLflow و دارایی‌های داده در Azure ML MLflow and Azure ML Data Assets

ماژول پروژه: محیط یادگیری عمیق و مدل پایه Project Module: Deep Learning Environment & Baseline Model