آموزش جامع یادگیری عمیق از صفر تا پروژه | شبکه‌های عصبی، CNN،… - 12

از Pista Academy حمایت کنید

حمایت شما به ادامه تولید آموزش‌های باکیفیت کمک می‌کند.

حمایت مالی

Pista Academy

LEARN • BUILD • GROW

آموزش جامع یادگیری عمیق از صفر تا پروژه | شبکه‌های عصبی، CNN،… - 12

خلاصه آموزشی

خلاصه این جلسه

مرور سریع مفاهیم اصلی پیش از تماشای کامل یا برای جمع‌بندی بعد از آموزش.

در این جلسه آموزشی، مدرس با ارائه یک پروژه عملی، به طراحی و اجرا یک مدل شبکه عصبی می‌پردازد. ابتدا یک مجموعه داده تصادفی ایجاد می‌شود و سپس معماری مدل با استفاده از لایه‌های خطی و فانکشن‌های فعال‌سازی طراحی می‌شود. مدل با یک اپتیمایزر و تابع هزینه آموزش داده می‌شود و نتایج ارزیابی بر روی داده‌های تست نمایش داده می‌شود. در ادامه، مشکلاتی در کد مربوط به نسخه‌های پایتون و اشتباهات املایی و ساختاری بررسی و حل می‌شوند. همچنین، مدرس به مشکلی در معماری شبکه عصبی اشاره می‌کند که باعث کاهش دقت مدل می‌شود و با تغییر معماری و حذف یک لایه، دقت مدل بهبود یافته و به ۱۰۰ درصد رسیده است.

نکات کلیدی

در این جلسه یاد می‌گیرید

طراحی و اجرا یک مدل شبکه عصبی با استفاده از لایه‌های خطی و فانکشن‌های فعال‌سازی.

ارزیابی مدل بر روی داده‌های تست و بررسی نتایج اکیورسی.

استفاده از اکتیویشن فانکشنی که مقادیر منفی را حذف می‌کند، باعث کاهش دقت مدل می‌شود.

تغییر در معماری شبکه عصبی و حذف یک لایه، باعث بهبود دقت مدل به ۱۰۰ درصد شد.

متن ویدیو

Transcript کامل

متن زمان‌بندی‌شده این جلسه برای مرور، جستجو و دسترسی سریع‌تر.

00:03
سلام عرض می‌کنم خدمت دوستان عزیز. بریم سراغ
00:05
ادامه بحث دیپ لرنینگ. باز من قبلش یه
00:08
نکته بگم. ما وب سایتمون دیگه تقریباً
00:11
آماده شده. یکی دو تا قسمت کوچیکش مونده

پرسش‌های رایج

سؤالات متداول این جلسه

پاسخ کوتاه و مستقیم به پرسش‌هایی که معمولاً هنگام یادگیری این موضوع مطرح می‌شوند.

چگونه می‌توان دقت مدل شبکه عصبی را بهبود بخشید؟↓

تغییر در معماری شبکه عصبی و حذف یک لایه می‌تواند باعث بهبود دقت مدل شود.

چه اشتباهاتی در کد ممکن است به وجود آید؟↓

اشتباهات املایی و ساختاری در کد می‌توانند باعث مشکلاتی در اجرا شوند.

چه تابع فعال‌سازی مناسبی برای مدل شبکه عصبی است؟↓

استفاده از اکتیویشن فانکشنی که مقادیر منفی را حذف نمی‌کند، می‌تواند به بهبود دقت مدل کمک کند.

آخرین به‌روزرسانی محتوای متنی: 2026-10-18

درباره این ویدیو

در این دوره جامع، وارد دنیای Deep Learning (یادگیری عمیق) می‌شویم و مفاهیم اصلی، الگوریتم‌ها و تکنیک‌های مورد استفاده در ساخت مدل‌های هوش مصنوعی را از پایه یاد می‌گیریم. این دوره برای افرادی طراحی شده که می‌خواهند درک عمیقی از شبکه‌های عصبی، معماری‌های مدرن یادگیری عمیق و نحوه پیاده‌سازی مدل‌های هوش مصنوعی با Python و PyTorch داشته باشند. در طول این دوره ابتدا با مفاهیم پایه Deep Learning آشنا می‌شویم و سپس قدم‌به‌قدم به سمت ساخت و آموزش مدل‌های واقعی حرکت می‌کنیم. در این دوره یاد می‌گیرید: 🔹 مفاهیم پایه یادگیری عمیق و نحوه عملکرد شبکه‌های عصبی 🔹 کار با Python، NumPy و PyTorch برای توسعه مدل‌های Deep Learning 🔹 ساخت و آموزش Artificial Neural Networks (ANNs) 🔹 مفهوم Gradient Descent و نحوه بهینه‌سازی مدل‌ها 🔹 جلوگیری از Overfitting با روش‌هایی مانند Regularization و Cross Validation 🔹 انتخاب Activation Function، Optimizer و Hyperparameterها 🔹 ساخت Feed Forward Neural Networks 🔹 ارزیابی عملکرد مدل‌های یادگیری ماشین 🔹 کار با پروژه‌های عملی Deep Learning 🔹 آشنایی با Autoencoderها 🔹 اجرای مدل‌های Deep Learning روی GPU 🔹 طراحی و پیاده‌سازی Convolutional Neural Networks (CNNs) 🔹 پروژه‌های مرتبط با تصاویر و Computer Vision 🔹 Transfer Learning و استفاده از مدل‌های از پیش آموزش‌دیده 🔹 Neural Style Transfer 🔹 Generative Adversarial Networks (GANs) 🔹 Recurrent Neural Networks (RNNs) و مدل‌های GRU/LSTM 🔹 مباحث اخلاقی و آینده Deep Learning همچنین در بخش‌های ابتدایی دوره، مباحث ضروری Python شامل: ✅ ساختار داده‌ها در Python ✅ Indexing و Slicing ✅ Functions ✅ Flow Control ✅ کار با Text و Plotها بررسی می‌شود تا بتوانید بدون نیاز به پیش‌نیازهای پیچیده وارد دنیای Deep Learning شوید. این دوره مناسب چه کسانی است؟ این دوره برای: 🎯 دانشجویان و علاقه‌مندان هوش مصنوعی 🎯 برنامه‌نویسانی که می‌خواهند وارد حوزه Machine Learning و Deep Learning شوند 🎯 Data Scientistها و تحلیلگرانی که می‌خواهند مهارت‌های خود را ارتقا دهند 🎯 افرادی که قصد ساخت پروژه‌های واقعی AI دارند مناسب است. پیش‌نیازهای دوره برای شروع این دوره بهتر است با موارد زیر آشنایی اولیه داشته باشید: ✔ مفاهیم پایه برنامه‌نویسی ✔ آشنایی مقدماتی با Python ✔ آشنایی اولیه با ریاضیات پایه اما تمام مباحث مورد نیاز در طول دوره مرور و توضیح داده خواهد شد. اگر به دنبال یادگیری Deep Learning به صورت اصولی و پروژه‌محور هستید، این دوره می‌تواند مسیر شما را برای ورود به دنیای هوش مصنوعی هموار کند. 📌 برای مشاهده تمام جلسات این دوره، کانال Pista Academy را دنبال کنید. 🌐 وب‌سایت: https://pistaacademy.ir