آموزش یادگیری عمیق با پایتون: مدل‌های توالی و ترانسفورمرها - آخرین آپدیت

مقدمه Introduction

• شروع کار با مدل‌های توالی و ترنسفورمرها Getting started with sequence models and transformers

• آنچه باید بدانید What you should know

• استفاده از فایل‌های تمرین Using the exercise files

شبکه‌های عصبی بازگشتی 1. Recurrent Neural Networks

• کاربردهای رایج مدل‌های توالی Common uses of sequence models

• شبکه‌های عصبی بازگشتی (RNNs) Recurrent neural networks (RNNs)

• ساخت یک RNN ساده با Keras Building a simple RNN with Keras

• داده‌های توالی چیست؟ What is sequence data?

2. معماری‌های پیشرفته RNN 2. Advanced RNN Architectures

• راهکارهای مشکل شیب محوشونده و انفجاری Solutions to the vanishing and exploding gradient problems

• مشکلات گرادیان محوشونده و انفجاری The vanishing and exploding gradient problems

• واحدهای تکرارشونده گیت‌دار (GRU) Gated recurrent units (GRUs)

• شبکه‌های حافظه بلند کوتاه مدت (LSTM) Long short-term memory networks (LSTMs)

• انتخاب بین GRU و LSTM Choosing between GRUs and LSTMs

3. مدل‌های ترنسفورمر 3. Transformer Models

• یادگیری انتقالی چیست؟ What is transfer learning?

• انتخاب مدل مناسب از هاب هاگینگ فیس Choosing the right model from the Hugging Face hub

• توجه و اهمیت آن در مدل‌های توالی Attention and its importance in sequence models

• معماری مدل ترنسفورمر Architecture of the transformer model

• هاب هاگینگ فیس The Hugging Face hub

۴. استفاده از مدل‌های ترنسفورمر از پیش آموزش‌دیده 4. Using Pre-trained Transformer Models

• خلاصه‌سازی متن با مدل‌های از پیش آموزش‌دیده در پایتون Text summarization with pretrained models in Python

• بازشناسی موجودیت نام‌گذاری شده با مدل‌های از پیش آموزش‌دیده در پایتون Named entity recognition with pretrained models in Python

• تحلیل احساسات با مدل‌های از پیش آموزش‌دیده در پایتون Sentiment analysis with pretrained models in Python

• برچسب‌گذاری اجزای کلام با مدل‌های از پیش آموزش‌دیده در پایتون Part-of-speech tagging with pretrained models in Python

• طبقه‌بندی موضوع با مدل‌های از پیش آموزش‌دیده در پایتون Topic classification with pretrained models in Python

• پاسخگویی به سوالات با مدل‌های از پیش آموزش‌دیده در پایتون Question answering with pretrained models in Python

نتیجه‌گیری Conclusion

• ادامه یادگیری عمیق Continuing on with deep learning