نقشه‌ی دوره
جلسه‌ها را به ترتیب جلو بروید. زیر هر جلسه مباحثی را می‌بینید که در آن تدریس شده و وضعیت تمرین‌هایی که انجام داده‌اید. هر مبحث صفحه‌ی خودش را دارد، پس اگر فقط دنبال یک موضوع هستید، مستقیم روی همان کلیک کنید.
جلسه‌ی ۱: جلسه‌ی ۱: از یادگیری ماشین تا اولین نورون مصنوعی
جایگاه یادگیری عمیق، انواع یادگیری ماشین، تصویر به‌عنوان داده، KNN روی ارقام فارسی، و مقدمه‌ی شبکه‌ی عصبی تا تابع هزینه.
- هوش مصنوعی، یادگیری ماشین و یادگیری عمیق چه فرقی دارند؟
- انواع یادگیری ماشین: نظارت‌شده، بدون نظارت، خودنظارتی و تقویتی
- تصویر در پایتون: پیکسل، کانال‌های رنگ و آرایه‌ی NumPy
- دیتاست هدی: ارقام دست‌نویس فارسی در پایتون
- الگوریتم k نزدیک‌ترین همسایه (KNN)
- پیدا کردن رقم‌ها در عکس با مؤلفه‌های همبند (Connected Components)
- پرسپترون: ساده‌ترین نورون مصنوعی
- شبکه‌ی عصبی چندلایه: لایه‌ی ورودی، پنهان و خروجی
- توابع فعالیت در شبکه‌ی عصبی: پله، سیگموید، tanh و ReLU
- تابع هزینه: MAE، MSE و آنتروپی متقاطع (Cross-Entropy)
- کوییز
- ۱ تمرین تعاملی
- تکلیف نوت‌بوک
مقدمه‌ای بر یادگیری عمیق، آموزش رایگان و فارسی یادگیری عمیق.