آموزش ChatGPT برای یادگیری عمیق با پایتون، کراس و تنسورفلو - آخرین آپدیت

سرفصل ها و درس ها

شروع کار Getting started

• خوش آمدید و مقدمه Welcome and Introduction

• پیش نمایش: یادگیری عمیق با ChatGPT Sneak Preview: Deep Learning with ChatGPT

• چگونه بیشترین بهره را از این دوره ببرید How to get the most out of this course

• مرور کلی دوره Course Overview

• دانلود مواد / دانلودها Download Materials / Downloads

معرفی ChatGPT ChatGPT Introduction

• ChatGPT چیست و چگونه کار می کند؟ What is ChatGPT and how does it work?

• ChatGPT در مقابل موتورهای جستجو ChatGPT vs. Search Engines

• هوش مصنوعی در مقابل هوش انسانی Artificial Intelligence vs. Human Intelligence

• ایجاد حساب ChatGPT و شروع کار Creating a ChatGPT account and getting started

• **به روز رسانی جولای 2024 **Update July 2024**

• ویژگی ها، گزینه ها و محصولات پیرامون مدل های GPT Features, Options and Products around GPT models

• به روز رسانی (ژوئیه 2024): محصولات و در دسترس بودن (رایگان در مقابل PLUS) Update (July 2024): Products and Availability (FREE vs. PLUS)

• پیمایش وب سایت OpenAI Navigating the OpenAI Website

• توکن چیست و چگونه توکن ها کار می کنند؟ What is a Token and how do Tokens work?

• تکنیک های مهندسی پرامپت (قسمت 1) Prompt Engineering Techniques (Part 1)

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in previous Lecture

• تکنیک های مهندسی پرامپت (قسمت 2) Prompt Engineering Techniques (Part 2)

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in previous Lecture

• تکنیک های مهندسی پرامپت (قسمت 3) Prompt Engineering Techniques (Part 3)

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in previous Lecture

نصب پایتون Python Installation

• دانلود و نصب آناکوندا Download and Install Anaconda

• نحوه باز کردن نوت بوک های جوپیتر How to open Jupyter Notebooks

• نحوه کار با نوت بوک های جوپیتر How to work with Jupyter Notebooks

• نحوه ایجاد یک محیط سفارشی برای یادگیری عمیق How to create a customized Environment for Deep Learning

درک یادگیری عمیق و شبکه های عصبی - با ChatGPT Understanding Deep Learning and Neural Networks - with ChatGPT

• یادگیری عمیق در مقابل یادگیری ماشین سنتی Deep Learning vs. traditional Machine Learning

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in previous Lecture

• انواع شبکه های عصبی - نمای کلی Neural Network Types - Overview

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in previous Lecture

• شبکه عصبی پیشخور (FNN) توضیح داده شد The Feedforward Neural Network (FNN) explained

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in previous Lecture

• انواع شبکه های عصبی - CNN و RNN در یک نگاه Neural Network Types - CNN and RNN at a glance

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in previous Lecture

• مدل های GPT از پیش آموزش داده شده در مقابل شبکه های عصبی سفارشی - چه زمانی از چه چیزی استفاده کنیم Pre-trained GPT models vs. customized Neural Networks - What to use when

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in previous Lecture

• دانش یادگیری عمیق / شبکه های عصبی خود را آزمایش کنید Test your Deep Learning / Neural Networks Knowledge

پروژه معرفی: کاوش یک مجموعه داده ناشناخته با ChatGPT و Pandas Introduction Project: Explore an unknown Dataset with ChatGPT and Pandas

• معرفی پروژه Project Introduction

• ارتقاء مدل GPT (24 ژوئیه) GPT Model Upgrades (July 24)

• تکلیف پروژه Project Assignment

• ارائه مجموعه داده به GPT-3.5 / GPT-4o mini Providing the Dataset to GPT-3.5 / GPT-4o mini

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in previous Lecture

• وظیفه 1: بررسی مجموعه داده با GPT-3.5 / GPT-4o mini Task 1: Inspecting the Dataset with GPT-3.5 / GPT-4o mini

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in previous Lecture

• وظیفه 2: بارش فکری با GPT-3.5 / GPT-4o mini Task 2: Brainstorming with GPT-3.5 / GPT-4o mini

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in the previous Lecture

• وظیفه 3: پاکسازی داده ها با GPT-3.5 / GPT-4o mini Task 3: Data Cleaning with GPT-3.5 / GPT-4o mini

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in previous Lecture

• وظیفه 4: شناسایی و ایجاد ویژگی های جدید با GPT-3.5 / GPT-4o mini Task 4: Identifying and Creating new Features with GPT-3.5 / GPT-4o mini

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in previous Lecture

• وظیفه 5: ذخیره مجموعه داده پاک شده Task 5: Saving the cleaned Dataset

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in previous Lecture

• بارگذاری مجموعه داده با GPT-4 / GPT-4o Loading the Dataset with GPT-4 / GPT-4o

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in previous Lecture

• بررسی اولیه داده ها و بارش فکری با GPT-4 / GPT-4o Initial Data Inspection and Brainstorming with GPT-4 / GPT-4o

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in previous Lecture

• پاکسازی داده ها با GPT-4 / GPT-4o Data Cleaning with GPT-4 / GPT-4o

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in previous Lecture

• عیب یابی Troubleshooting

• شناسایی و ایجاد ویژگی های جدید با GPT-4 / GPT-4o Identifying and Creating new Features with GPT-4 / GPT-4o

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in previous Lecture

• نحوه دانلود و ذخیره مجموعه داده پاک شده از GPT-4 / GPT-4o How to download and save the cleaned Dataset from GPT-4 / GPT-4o

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in previous Lecture

• نتیجه گیری، نکات پایانی و عیب یابی Conclusion, Final Remarks and Troubleshooting

استفاده از ChatGPT برای تحلیل داده های توضیحی (EDA) Using ChatGPT for Explanatory Data Analysis (EDA)

• معرفی پروژه Project Introduction

• تکلیف پروژه Project Assignment

• وظیفه 1: (بالا-) بارگذاری مجموعه داده و اولین بررسی Task 1: (Up-) Loading the Dataset and first Inspection

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in the previous Lecture

• اکسکورس: پشت صحنه Excursus: Behind the Scenes

• وظیفه 2: بارش فکری: اهداف و مقاصد یک EDA Task 2: Brainstorming: Goals and Objectives of an EDA

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in the previous Lecture

• وظیفه 3: تجزیه و تحلیل داده های تک متغیره Task 3: Univariate Data Analysis

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in the previous Lecture

• وظیفه 4: تجزیه و تحلیل داده های چند متغیره: همبستگی ها Task 4: Multivariate Data Analysis: Correlations

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in the previous Lecture

• وظیفه 5: بررسی عوامل موثر بر درآمد Task 5: Exploring Factors influencing Income

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in the previous Lecture

• وظیفه 6: مفاهیم و چشم انداز Task 6: Implications & Outlook

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in the previous Lecture

• کد بررسی و عیب یابی شد The Code reviewed & Troubleshooting

استفاده از ChatGPT برای طبقه بندی باینری با شبکه های عصبی پیشخور (FNN) Using ChatGPT for Binary Classification with Feedforward Neural Networks (FNN)

• معرفی پروژه Project Introduction

• تکلیف پروژه Project Assignment

• وظیفه 1: (بالا-) بارگذاری مجموعه داده و اولین بررسی Task 1: (Up-) Loading the Dataset and first Inspection

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in previous Lecture

• وظیفه 2: بارش فکری: بهترین راه برای مقابله با پروژه طبقه بندی FNN چیست Task 2: Brainstorming: How to best tackle a FNN Classification Project

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in previous Lecture

• وظیفه 3: پیش پردازش داده ها و مهندسی ویژگی (نظریه) Task 3: Data Pre-processing and Feature Engineering (Theory)

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in previous Lecture

• سوالات و ملاحظات خاص ویژگی Feature-specific questions and considerations

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in previous Lecture

• اقدامات برگرفته از بارش فکری Actions derived from Brainstorming

• وظیفه 4: پیش پردازش داده ها و مهندسی ویژگی (کد) Task 4: Data Pre-Processing and Feature Engineering (Code)

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in previous Lecture

• وظیفه 5: تعریف و برازش یک مدل پایه FNN Task 5: Defining and Fitting an FNN Baseline Model

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in previous Lecture

• وظیفه 6: ارزیابی مدل پایه بر روی مجموعه آزمایشی Task 6: Evaluation of Baseline Model on the Test Set

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in previous Lecture

• وظیفه 7: بهینه سازی مدل - نظریه Task 7: Model Optimization - Theory

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in previous Lecture

• وظیفه 7: بهینه سازی مدل - کد Task 7: Model Optimization - Code

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in the previous Lecture

• ارزیابی عملکرد و معماری مدل Performance Evaluation and Model Architecture

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in the previous Lecture

• تغییر تعداد لایه های پنهان Modifying the number of Hidden Layers

• وظیفه 8: آستانه های تصمیم گیری (دقت در مقابل فراخوانی) Task 8: Decision Thresholds (Precision vs. Recall)

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in the previous Lecture

• پروژه کامل با استفاده از GPT4 (قسمت 1) The full project using GPT4 (Part 1)

• پروژه کامل با استفاده از GPT4 (قسمت 2) The full project using GPT4 (Part 2)

• وظیفه جایزه: اهمیت ویژگی و چشم انداز (قسمت 1) Bonus Task: Feature Importance and Outlook (Part 1)

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in the previous Lecture

• وظیفه جایزه: اهمیت ویژگی و چشم انداز (قسمت 2) Bonus Task: Feature Importance and Outlook (Part 2)

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in the previous Lecture

استفاده از ChatGPT برای تشخیص تصویر با شبکه های عصبی کانولوشن (CNN) Using ChatGPT for Image Recognition with Convolutional Neural Networks (CNN)

• معرفی پروژه Project Introduction

• تکلیف پروژه Project Assignment

• وظیفه 1: دانلود مجموعه داده Task 1: Downloading the Dataset

• وظیفه 2: بارگیری مجموعه داده با پایتون و اولین بررسی داده ها Task 2: Loading the Dataset with Python and first Data Inspection

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in the previous Lecture

• وظیفه 3: نمایش تصاویر با پایتون Task 3: Displaying the images with Python

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in the previous Lecture

• وظیفه 4: بارگیری، ادغام، قالب بندی و ذخیره مجموعه داده کامل Task 4: Loading, Merging, formatting and storing the full dataset

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in the previous Lecture

• وظیفه 5: پیش پردازش داده ها Task 5: Data Preprocessing

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in the previous Lecture

• وظیفه 6: بارش فکری Task 6: Brainstorming

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in the previous Lecture

• وظیفه 7: ایجاد و آموزش یک مدل پایه CNN Task 7: Creating and Training a Baseline CNN model

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in the previous Lecture

• وظیفه 8: ارزیابی مدل پایه Task 8: Evaluating the Baseline Model

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in the previous Lecture

• وظیفه 9: افزایش داده ها و بررسی مدل Task 9: Data Augmentation & Model Checkpointing

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in the previous Lecture

• بررسی مدل Model Checkpointing

• افزایش پیشرفته داده ها و تنظیم دقیق Advanced Data Augmentation & Fine Tuning

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in the previous Lecture

• وظیفه 10: افزایش پیچیدگی معماری مدل و Dropout Task 10: Increasing Model Architecture Complexity & Dropout

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in the previous Lecture

• اضافه کردن Dropout Adding Dropout

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in the previous Lecture

استفاده از ChatGPT برای پیش بینی سری زمانی با شبکه های عصبی بازگشتی (RNN) Using ChatGPT for Time Series Prediction with Recurrent Neural Networks (RNN)

• معرفی پروژه Project Introduction

• تکلیف پروژه Project Assignment

• وظیفه 1: (بالا-) بارگذاری مجموعه داده و اولین بررسی Task 1: (Up-) Loading the Dataset and first Inspection

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in the previous Lecture

• وظیفه 2: تحلیل داده های توضیحی (EDA) Task 2: Explanatory Data Analysis (EDA)

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in previous Lecture

• وظیفه 3: بارش فکری: بهترین راه برای مقابله با پروژه سری زمانی RNN چیست Task 3: Brainstorming: How to best tackle an RNN Time Series Project

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in the previous Lecture

• وظیفه 4: ایستایی کوواریانس و سایر جنبه های خاص سری زمانی Task 4: Covariance Stationarity and other Time Series specific aspects

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in the previous Lecture

• وظیفه 5: ایجاد ویژگی - اضافه کردن ویژگی های زمانی Task 5: Feature Creation - adding temporal features

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in the previous Lecture

• وظیفه 6: ایجاد و برازش یک مدل پایه Task 6: Creating and fitting a Baseline Model

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in the previous Lecture

• ارزیابی عملکرد بر روی مجموعه آزمایشی Performance Evaluation on the Test Set

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in the previous Lecture

• یافتن دوره نگاه به عقب بهینه (Lags) Finding the optimal look-back period (Lags)

• وظیفه 7: اضافه کردن ویژگی های بیشتر به مدل (قسمت 1) Task 7: Adding more Features to the model (Part 1)

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in the previous Lecture

• وظیفه 7: اضافه کردن ویژگی های بیشتر به مدل (قسمت 2) Task 7: Adding more Features to the model (Part 2)

• وظیفه 8: اضافه کردن ویژگی های زمانی به مدل Task 8: Adding Temporal Features to the model

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in the previous Lecture

• وظیفه 9: افزایش پیچیدگی معماری LSTM Task 9: Increase the complexity of the LSTM Architecture

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in the previous Lecture

• وظیفه 10: اضافه کردن توقف زودهنگام، اعتبارسنجی و موارد دیگر Task 10: Adding Early Stopping, Validation & more

• ارزیابی نهایی و بهبودهای بالقوه Final Assessment and potential Improvements

• پرامپت (ها) استفاده شده در سخنرانی قبلی Prompt(s) used in the previous Lecture

پیوست: دوره فشرده Pandas Appendix: Pandas Crash Course

• مقدمه Introduction

• مقدمه ای بر داده های جدولی / Pandas Intro to Tabular Data / Pandas

• اولین DataFrame Pandas خود را (از csv) ایجاد کنید Create your very first Pandas DataFrame (from csv)

• بارگذاری یک فایل CSV در Pandas Loading a CSV-file into Pandas

• نحوه خواندن فایل های CSV از مکان های دیگر How to read CSV-files from other Locations

• گزینه های نمایش Pandas و متدهای head() و tail() Pandas Display Options and the methods head() & tail()

• اولین بررسی داده ها First Data Inspection

• آمار خلاصه Summary Statistics

• توابع، صفات و متدهای داخلی با Pandas Built-in Functions, Attributes and Methods with Pandas

• آسانش کنید: تکمیل TAB و Tooltip Make it easy: TAB Completion and Tooltip

• انتخاب ستون ها Selecting Columns

• انتخاب یک ستون با "نماد نقطه" Selecting one Column with the "dot notation"

• انتخاب ستون ها Selecting Columns

• اندیس گذاری مبتنی بر صفر و اندیس گذاری منفی Zero-based Indexing and Negative Indexing

• انتخاب ردیف ها با iloc (اندیس گذاری مبتنی بر موقعیت) Selecting Rows with iloc (position-based indexing)

• برش ردیف ها و ستون ها با iloc (اندیس گذاری مبتنی بر موقعیت) Slicing Rows and Columns with iloc (position-based indexing)

• برگه های تقلب اندیس گذاری مبتنی بر موقعیت Position-based Indexing Cheat Sheets

• اندیس گذاری مبتنی بر موقعیت 1 Position-based Indexing 1

• اندیس گذاری مبتنی بر موقعیت 2 Position-based Indexing 2

• انتخاب ردیف ها با loc (اندیس گذاری مبتنی بر برچسب) Selecting Rows with loc (label-based indexing)

• برش ردیف ها و ستون ها با loc (اندیس گذاری مبتنی بر برچسب) Slicing Rows and Columns with loc (label-based indexing)

• برگه های تقلب اندیس گذاری مبتنی بر برچسب Label-based Indexing Cheat Sheets

• اندیس گذاری مبتنی بر برچسب 1 Label-based Indexing 1

• اندیس گذاری مبتنی بر برچسب 2 Label-based Indexing 2

• اولین گام ها با Pandas Series First Steps with Pandas Series

• تجزیه و تحلیل سری های عددی با unique()، nunique() و value_counts() Analyzing Numerical Series with unique(), nunique() and value_counts()

• تجزیه و تحلیل سری های غیر عددی با unique()، nunique()، value_counts() Analyzing non-numerical Series with unique(), nunique(), value_counts()

• اولین گام ها با اشیاء شاخص Pandas First Steps with Pandas Index Objects

• فیلتر کردن DataFrames با یک شرط Filtering DataFrames by one Condition

• فیلتر کردن DataFrames با بسیاری از شرایط Filtering DataFrames by many Conditions

• مرتب سازی DataFrames با sort_index() و sort_values() Sorting DataFrames with sort_index() and sort_values()

• تجسم داده ها با متد plot() Visualizing Data with the plot() method

• ایجاد هیستوگرام Creating Histograms

• ایجاد نمودارهای پراکندگی Creating Scatterplots

• درک اشیاء GroupBy Understanding GroupBy objects

• تقسیم با بسیاری از کلیدها Splitting with many Keys

• split-apply-combine توضیح داده شد split-apply-combine explained

بعدش چی؟ (چشم انداز و منابع اضافی) What´s next? (outlook and additional resources)

• سخنرانی جایزه Bonus Lecture