راهنمای کامل یادگیری عمیق و PyTorch، مجموعه پست‌های آموزشی

اگر در مسیر یادگیری ماشین هستید، این مجموعه میتونه برایتان به‌عنوان یک هندبوک آموزشی عمل کند.

🔵 بخش اول: Python & PyTorch — راهنمای عملی

نقشه راه یادگیری ماشین (از روشهای کلاسیک تا دیپ لرنینگ)

PDF | website

 نقشه راه و چالش 10 هفته‌ای یادگیری پایتون

• PDF | website

معرفی اجمالی کتابخانه PyTorch

PDF | website

تفاوت تنسور PyTorch با آرایه NumPy 

PDF | website

تنسورفلو یا پایتورچ- چرا PyTorch برای محققین انتخاب مناسبی است؟

PDF | website

خواندن داده‌ با فرمتهای مختلف در پایتون

PDF | website

ساخت dataloader سفارشی با کمک DataLoader و Dataset پایتورچ

PDF | website

🔵 بخش دوم: مفاهیم پایه‌ای یادگیری ماشین و شبکه‌های عصبی

شبکه عصبی و اهمیت مدل سازی مغز انسان

PDF | website

انواع «یادگیری» در یادگیری ماشین

PDF | website

پنج موردی که باید در شروع کار با یادگیری عمیق بدانید

PDF | website

نحوه حل یک مسئله در شبکه عصبی

PDF | website

شبکه عصبی پرسپترون چند لایه و مسائل غیرخطی

PDF | website

شبکه عصبی CNN چطور کار میکند؟!

PDF | website

تکنیک bag of words (BOW) در پردازش زبان طبیعی

PDF | website | GitHub

🔵 بخش سوم: توابع هزینه، معیارهای ارزیابی و تحلیل مدل

تابع هزینه cross entropy و تفاوت آن با مربعات خطا  (MSE)

PDF | website

پارامترهای ارزیابی در مسائل رگرسیون و طبقه بندی

PDF | website

نحوه ی انتخاب بهترین معیار ارزیابی برای مسائل رگرسیون

PDF | website

🔵 بخش چهارم: بهینه سازی (Optimization)

گرادیان نزولی و نقش آن در فرایند یادگیری شبکه های عصبی

PDF | website

مطالعه مروری روشهای بهینه‌سازی مبتنی بر گرادیان نزولی (از SGD تا Adam)

PDF | website

پستهای جدید در بخش اخبار علمی وبسایت منتشر خواهند شد