فلش‌کارت‌های آموزشی هوش مصنوعی در عمل: ساخت اولین شبکه عصبی خودتان

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب هوش مصنوعی در عمل: ساخت اولین شبکه عصبی خودتان

موضوع کلی: انقلاب یادگیری عمیق: مبانی، کاربردها و آینده

موضوع میانی: از نورون تا شبکه عصبی: سفری در اعماق یادگیری ماشین

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه‌ای بر انقلاب یادگیری عمیق
• 2. آینده هوش مصنوعی
• 3. نقش شبکه‌های عصبی
• 4. مبانی یادگیری ماشین
• 5. انواع یادگیری ماشین
• 6. یادگیری نظارت شده
• 7. یادگیری نظارت نشده
• 8. یادگیری تقویتی
• 9. مقدمه‌ای بر شبکه‌های عصبی
• 10. نورون مصنوعی
• 11. تابع فعال‌سازی
• 12. لایه‌های شبکه‌های عصبی
• 13. شبکه‌های عصبی پیشخور
• 14. پس‌انتشار خطا
• 15. گرادیان نزولی
• 16. تنظیم نرخ یادگیری
• 17. تابع هزینه
• 18. خطای میانگین مربعات
• 19. آنتروپی متقاطع
• 20. بهینه‌سازی
• 21. پس‌انتشار خطا در عمل
• 22. پیاده‌سازی اولین شبکه عصبی
• 23. نوشتن کد شبکه عصبی
• 24. کتابخانه‌های یادگیری عمیق
• 25. TensorFlow
• 26. Keras
• 27. PyTorch
• 28. آماده‌سازی داده‌ها
• 29. پیش‌پردازش داده‌ها
• 30. نرمال‌سازی داده‌ها
• 31. تقسیم داده‌ها
• 32. آموزش و اعتبارسنجی
• 33. ساخت مدل
• 34. لایه ورودی
• 35. لایه‌های پنهان
• 36. لایه خروجی
• 37. انتخاب تابع فعال‌سازی
• 38. انتخاب تابع هزینه
• 39. انتخاب بهینه‌ساز
• 40. تنظیمات هایپرپارامتر
• 41. آموزش مدل
• 42. ارزیابی مدل
• 43. معیارهای ارزیابی
• 44. بازیابی
• 45. امتیاز F1
• 46. منحنی ROC
• 47. منحنی AUC
• 48. بیش‌برازش
• 49. کم‌برازش
• 50. تنظیم‌کننده L1
• 51. تنظیم‌کننده L2
• 52. تنظیم‌کننده Dropout
• 53. توقف زودهنگام
• 54. تنظیم نرخ یادگیری پویا
• 55. مدل‌های پیچیده‌تر
• 56. شبکه‌های عصبی کانولوشنال (CNN)
• 57. مقدمه‌ای بر CNN
• 58. لایه کانولوشن
• 59. فیلترها
• 60. نقشه‌ها
• 61. لایه Pooling
• 62. لایه‌های تمام متصل
• 63. کاربرد CNN
• 64. تشخیص تصویر
• 65. طبقه‌بندی تصویر
• 66. تشخیص اشیاء
• 67. شبکه‌های عصبی بازگشتی (RNN)
• 68. مقدمه‌ای بر RNN
• 69. سلول‌های حافظه
• 70. حافظه کوتاه‌مدت بلند (LSTM)
• 71. واحد بازگشتی دروازه‌ای (GRU)
• 72. کاربرد RNN
• 73. پردازش زبان طبیعی
• 74. ترجمه ماشینی
• 75. تولید متن
• 76. تحلیل احساسات
• 77. شبکه‌های مولد تخاصمی (GAN)
• 78. مقدمه‌ای بر GAN
• 79. مولد
• 80. تفکیک‌کننده
• 81. آموزش GAN
• 82. کاربرد GAN
• 83. تولید تصویر
• 84. تولید داده
• 85. یادگیری عمیق در عمل
• 86. مثال‌های واقعی
• 87. تشخیص پزشکی
• 88. خودروهای خودران
• 89. سیستم‌های توصیه‌گر
• 90. اخلاق در هوش مصنوعی
• 91. سوگیری در داده‌ها
• 92. شفافیت مدل
• 93. مسئولیت‌پذیری
• 94. آینده یادگیری عمیق
• 95. یادگیری خود نظارتی
• 96. یادگیری انتقالی
• 97. هوش مصنوعی قابل توضیح (XAI)
• 98. مقدمه‌ای بر XAI
• 99. تکنیک‌های XAI
• 100. تفسیرپذیری مدل