یادگیری عمیق

این جزوه برای علاقمندان به حوزۀ یادگیری عمیق طراحی شده‌است که از ابتدا به توضیح گام به گام محتواهای مربوط به این حوزه پرداخته‌است. دانشجویان کارشناسی و کارشناسی ارشد هوش مصنوعی، علوم کامپیوتر، کامپیوتر و تمام علاقمندان به این حوزه می‌توانند جزو مخاطبین این جزوه باشند.

سرفصل‌های دوره

1. گرادیان کاهشی و پس انتشار 1
2. گرادیان کاهشی و پس انتشار 2
3. کد گرادیان کاهشی و پس انتشار
4. منظم سازی
5. تابع فعالسازی
6. حذف تصادفی1: روشی برای جلوگیری از بیش‌برازش در مدل‌های یادگیری عمیق
7. حذف تصادفی2: روشی برای جلوگیری از بیش‌برازش در مدل‌های یادگیری عمیق
8. حذف تصادفی3: روشی برای جلوگیری از بیش‌برازش در مدل‌های یادگیری عمیق
9. نرمال‌سازی دسته‌ای در شبکه‌های عصبی عمیق
10. تابع ضرر 1
11. تابع ضرر 2
12. تابع ضرر 3
13. تابع ضرر 4
14. معرفی شبکه‌های عصبی کانولوشنی1 (CNN) یا Convnet
15. معرفی شبکه‌های عصبی کانولوشنی 2 (CNN) یا Convnet
16. لایه‌گذاری ماتریس در شبکه‌های عصبی
17. ناحیۀ ادراکی در شبکه‌های عصبی عمیق
18. تولید تصویر با کمک شبکه‌های مولد خصمانه