سرفصل مطالب

سرفصل مطالب
# سرفصل مطالب طرح درس (براساس سرفصل)
1 آشنایی با یادگیری عمیق و انگیزه‌های آن. در این جلسه با چند مثال دیدنی مانند تشخیص تصویر، تولید تصویر و انتقال سبک عصبی نشان می‌دهیم یادگیری عمیق چه کارهایی می‌تواند انجام دهد و مسیر کلی درس ترسیم می‌شود. هدف این است که دانشجو از همان ابتدا بداند «آخرش به کجا می‌رسد»
2 مروری سریع بر رگرسیون، لجستیک رگرسیون و پرسپترون،‌ مدل‌های پایه‌ای که هسته‌ی شبکه‌های عصبی را شکل می‌دهند مرور می‌شوند و نقش آن‌ها در یادگیری عمیق توضیح داده می‌شود.
3 تنسورها و محاسبات عددی در یادگیری عمیق، مفهوم تنسور، ابعاد، نوع داده و عملیات پایه مانند برش، تغییر شکل و عملیات درجا معرفی می‌شود.
4 مشتق‌گیری خودکار و گراف محاسباتی
5 گرادیان کاهشی و شهود هندسی بهینه‌سازی
6 الگوریتم پس‌انتشار خطا
7 شبکه‌های عصبی متراکم و توابع فعالیت
8 شبکه‌های عصبی پیچشی
9 پردازش داده‌های تصویری و شبکه‌های پیچشی
10 یادگیری انتقالی و معماری‌های معروف
11 درون CNN چه می‌گذرد؟
12 منظم‌سازی، Ridge، LASSO و Dropout
13 بهینه‌سازی (۱): Momentum، RMSProp و Adam
14 بهینه‌سازی (۲): پایداری عددی و تنظیم نرخ یادگیری
15 امتحان
16 خودکدگذارها و یادگیری نمایش
17 شبکه‌های مولد هم‌آورد (۱)
18 شبکه‌های مولد هم‌آورد (۲)
19 رؤیای عمیق
20 انتقال سبک عصبی و نقاشی با شبکه‌ها
21 داده‌های دارای توالی،‌ مدلهای Skip-Gram, CBOW
22 داده های متنی و قدم زنی عمیق
23 آشنایی با شبکه های عصبی گرافی
24 یادگیری مبتنی بر فیزیک (PINNs)
25 سایر موضوعات جدید