کتاب صوتی ریاضیات پشت پرده‌ی شبکه‌های عصبی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ریاضیات پشت پرده‌ی شبکه‌های عصبی

موضوع کلی: ریاضیات کاربردی و نظریه گراف

موضوع میانی: یادگیری ماشین و آمار

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر شبکه‌های عصبی و کاربردهای آن
• 2. مفاهیم پایه ریاضی در شبکه‌های عصبی
• 3. بردارها و ماتریس‌ها در محاسبات شبکه‌های عصبی
• 4. مشتقات و گرادیان‌ها: ابزاری برای بهینه‌سازی
• 5. قواعد زنجیره‌ای و مشتق‌گیری در شبکه‌های عصبی
• 6. توابع فعال‌سازی: معرفی و انواع
• 7. تابع سیگموئید و کاربردهای آن
• 8. تابع رلو و مزایای آن
• 9. تابع تانژانت هایپربولیک و ویژگی‌ها
• 10. تابع سافت‌مکس: کاربرد در مسائل طبقه‌بندی
• 11. هزینه‌های خطا (Loss Functions): معرفی و انواع
• 12. هزینه میانگین مربعات خطا (Mean Squared Error)
• 13. هزینه آنتروپی متقابل (Cross-Entropy)
• 14. بهینه‌سازی گرادیان کاهشی (Gradient Descent)
• 15. نرخ یادگیری و تنظیم آن
• 16. الگوریتم گرادیان تصادفی (Stochastic Gradient Descent)
• 17. الگوریتم‌های بهینه‌سازی پیشرفته: Adam و RMSprop
• 18. شبکه‌های عصبی تک لایه (Single-Layer Neural Networks)
• 19. شبکه‌های عصبی چندلایه (Multi-Layer Neural Networks)
• 20. انتخاب معماری شبکه عصبی مناسب
• 21. بیش‌برازش (Overfitting) و تنظیم‌سازی (Regularization)
• 22. تنظیم‌سازی L1 و L2
• 23. Dropout: روشی برای جلوگیری از بیش‌برازش
• 24. شبکه‌های عصبی کانولوشنی (Convolutional Neural Networks)
• 25. لایه کانولوشنی (Convolutional Layer)
• 26. لایه تجمیع (Pooling Layer)
• 27. شبکه‌های عصبی بازگشتی (Recurrent Neural Networks)
• 28. حافظه کوتاه‌مدت بلند (Long Short-Term Memory - LSTM)
• 29. شبکه‌های عصبی دروازه‌دار بازگشتی (Gated Recurrent Unit - GRU)
• 30. کاربرد شبکه‌های عصبی در پردازش زبان طبیعی
• 31. کاربرد شبکه‌های عصبی در بینایی ماشین
• 32. تشخیص اشیا با شبکه‌های عصبی
• 33. دسته‌بندی تصاویر با شبکه‌های عصبی
• 34. پیش‌بینی سری‌های زمانی با شبکه‌های عصبی
• 35. خودرمزگذارها (Autoencoders) و کاربردهای آن‌ها
• 36. کاهش ابعاد با خودرمزگذارها
• 37. تولید داده با شبکه‌های مولد تخاصمی (Generative Adversarial Networks)
• 38. ارزیابی عملکرد شبکه‌های عصبی
• 39. متریک‌های ارزیابی: دقت، صحت، فراخوانی
• 40. اعتبارسنجی متقابل (Cross-Validation)
• 41. تنظیم ابرپارامترها (Hyperparameter Tuning)
• 42. استفاده از کتابخانه‌های پایتون در شبکه‌های عصبی (TensorFlow, Keras, PyTorch)
• 43. پیاده‌سازی یک شبکه عصبی ساده با TensorFlow
• 44. پیاده‌سازی یک شبکه عصبی ساده با Keras
• 45. پیاده‌سازی یک شبکه عصبی ساده با PyTorch