چگونه شبکههای عصبی یاد میگیرند؟ بررسی معماری، کاهش گرادیان و پسانتشار
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
بنابراین، شما از نظر مفهومی شبکههای عصبی را درک میکنید - آنها چه هستند و به طور کلی چگونه کار میکنند. اما ممکن است هنوز درباره جزییات همه چیز که واقعاً باعث کارکرد آنها میشود، سوالاتی داشته باشید.
در این دوره، چگونه شبکههای عصبی یاد میگیرند: بررسی معماری، نزول گرادیان و پسانتشار، شما درک لازم برای ساخت و آموزش یک شبکه عصبی را به دست خواهید آورد.
ابتدا، شما معماری شبکه را بررسی خواهید کرد - که از لایهها، نودها و توابع فعالسازی تشکیل شده است - و انواع معماریها را مقایسه خواهید کرد.
سپس، شما کشف خواهید کرد که چگونه شبکههای عصبی با استفاده از پسانتشار، کاهش گرادیان، توابع هزینه و نرخهای یادگیری تنظیم و یاد میگیرند.
در نهایت، شما یاد خواهید گرفت که چگونه پسانتشار و نزول گرادیان را با استفاده از Python پیادهسازی کنید.
پس از اتمام این دوره، شما مهارتها و دانش لازم درباره معماریهای شبکه عصبی و یادگیری برای ساخت و آموزش یک شبکه عصبی را خواهید داشت.
چگونه شبکههای عصبی یاد میگیرند؟ بررسی معماری، کاهش گرادیان و پسانتشار
-
بررسی دوره 0:02:00
-
نگاهی کوتاه به معماریهای شبکه عصبی 0:08:00
-
درک چگونگی کارکرد توابع فعالسازی 0:04:00
-
پسانتشار دقیقاً چیست؟ 0:03:00
-
نقش توابع هزینه 0:03:00
-
اصول ریاضی: انتشار خطا و نزول گرادیان 0:04:00
-
نرخهای یادگیری و تأثیر آنها 0:03:00
-
پیادهسازی پسانتشار و کاهش گرادیان با استفاده از Python 0:06:00
مشخصات آموزش
چگونه شبکههای عصبی یاد میگیرند؟ بررسی معماری، کاهش گرادیان و پسانتشار
- تاریخ به روز رسانی: 1404/06/21
- سطح دوره:مقدماتی
- تعداد درس:8
- مدت زمان :0:32:24
- حجم :86.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy