کتاب صوتی یادگیری عمیق در عمل: شبکه‌های عصبی، بینایی ماشین و پردازش زبان طبیعی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری عمیق در عمل: شبکه‌های عصبی، بینایی ماشین و پردازش زبان طبیعی

موضوع کلی: علوم داده و یادگیری ماشین

موضوع میانی: کاربردهای علوم داده و یادگیری ماشین**

📋 سرفصل‌های دوره

• 1. مقدمه ای بر یادگیری عمیق
• 2. مبانی شبکه‌های عصبی
• 3. توابع فعال‌سازی
• 4. تابع زیان و بهینه‌سازی
• 5. پس‌انتشار خطا
• 6. رگرسیون خطی با شبکه‌های عصبی
• 7. طبقه‌بندی با شبکه‌های عصبی
• 8. تنظیم‌کننده ها: L1 و L2
• 9. منظم‌سازیdropout
• 10. تنظیم پارامترهای فرا
• 11. معماری‌های شبکه عصبی پیشخور
• 12. شبکه‌های عصبی کانولوشنی (CNN)
• 13. مبانی CNN
• 14. لایه کانولوشن
• 15. لایه‌های پولینگ
• 16. لایه‌های تماماً متصل
• 17. معماری‌های رایج CNN
• 18. الکس‌نت
• 19. وی‌جی‌جی
• 20. گوگل‌نت
• 21. ری‌اس‌نت
• 22. یادگیری با داده‌های برچسب‌دار کم
• 23. انتقال یادگیری
• 24. تقویت مدل با داده‌های بیشتر
• 25. پیش‌پردازش تصاویر
• 26. تقویت تصاویر
• 27. تنظیم دقیق CNN
• 28. معرفی بینایی ماشین
• 29. کاربرد بینایی ماشین
• 30. تشخیص اشیاء
• 31. تشخیص چهره
• 32. قطعه‌بندی تصویر
• 33. تولید تصویر
• 34. شبکه‌های مولد تخاصمی (GAN)
• 35. مبانی GAN
• 36. ساختار ژنراتور و متمایزکننده
• 37. آموزش GAN
• 38. کاربردهای GAN
• 39. دیپ‌فیک
• 40. تولید تصاویر هنری
• 41. شبکه‌های عصبی بازگشتی (RNN)
• 42. مبانی RNN
• 43. سلول‌های حافظه
• 44. حافظه طولانی کوتاه مدت (LSTM)
• 45. واحد بازگشتی دروازه‌ای (GRU)
• 46. معماری‌های RNN
• 47. کاربردهای RNN
• 48. پردازش زبان طبیعی (NLP)
• 49. مبانی NLP
• 50. نمایش کلمات: Bag-of-Words
• 51. نمایش کلمات: TF-IDF
• 52. نمایش کلمات: Word Embeddings
• 53. Word2Vec
• 54. GloVe
• 55. FastText
• 56. مدل‌های زبانی
• 57. مدل‌های زبانی آماری
• 58. مدل‌های زبانی عصبی
• 59. شبکه‌های LSTM و GRU برای NLP
• 60. شبکه‌های ترنسفورمر
• 61. مبانی ترنسفورمر
• 62. مکانیزم توجه (Attention Mechanism)
• 63. خود-توجهی (Self-Attention)
• 64. ترنسفورمرهای رمزگذار-رمزگشا
• 65. BERT
• 66. کاربرد ترنسفورمرها در NLP
• 67. ترجمه ماشینی
• 68. خلاصه‌سازی متن
• 69. پاسخ به سوال
• 70. تحلیل احساسات
• 71. طبقه‌بندی متن
• 72. تشخیص موجودیت نام‌دار (NER)
• 73. کاربرد عملی یادگیری عمیق در بینایی ماشین
• 74. تشخیص و ردیابی اشیاء در زمان واقعی
• 75. خودروهای خودران
• 76. سیستم‌های نظارت هوشمند
• 77. دستگاه‌های پزشکی
• 78. کاربرد عملی یادگیری عمیق در NLP
• 79. چت‌بات‌ها و دستیارهای مجازی
• 80. موتورهای جستجوی پیشرفته
• 81. سیستم‌های توصیه‌گر
• 82. تحلیل رسانه‌های اجتماعی
• 83. تولید محتوا
• 84. ملاحظات اخلاقی در یادگیری عمیق
• 85. سوگیری در داده‌ها
• 86. شفافیت و توضیح‌پذیری مدل‌ها
• 87. حریم خصوصی داده‌ها
• 88. مسئولیت‌پذیری
• 89. آینده یادگیری عمیق
• 90. تحولات اخیر
• 91. پژوهش‌های پیش رو
• 92. چالش‌های باقی‌مانده
• 93. تاثیر بر صنایع مختلف