تسلط به شبکه‌های عصبی: ساخت با جاوااسکریپت و React

آنچه یاد خواهید گرفت:

• درک و پیاده‌سازی پرسپترون‌ها (تک نورون) برای طبقه‌بندی باینری
• یادگیری و پیاده‌سازی اصول شبکه‌های عصبی در کد
• یکپارچه‌سازی شبکه‌های عصبی در وب اپلیکیشن‌ها با استفاده از جاوااسکریپت و ری‌اکت
• کار با داده‌های مقیاس بزرگ، درک و تجزیه مؤثر آن‌ها

پیش‌نیازهای دوره

• تجربه پایه‌ای کدنویسی با هر زبان برنامه‌نویسی.

توضیحات دوره

به دوره «تسلط به شبکه‌های عصبی: ساخت با جاوااسکریپت و ری‌اکت» خوش آمدید. این دوره جامع برای هر کسی طراحی شده است که به دنبال درک و ساخت شبکه‌های عصبی از صفر با استفاده از جاوااسکریپت و ری‌اکت است.

آنچه در این دوره یاد می‌گیرید:

مقدمه‌ای بر شبکه‌های عصبی

• درک مبانی پرسپترون‌ها و شباهت آن‌ها به نورون‌های بیولوژیکی

• یادگیری چگونگی کار پرسپترون‌ها در سطح اساسی

ساخت یک پرسپترون ساده

• کدنویسی یک پرسپترون برای طبقه‌بندی اشیاء ساده (مانند مداد در مقابل پاک‌کن) با استفاده از داده‌های هاردکد شده.
• پیاده‌سازی یک پرسپترون پایه از ابتدا و آموزش آن با ورودی‌ها و خروجی‌های نمونه
• ترسیم نمودارها و توضیح مراحل مورد نیاز، از جمله تعریف مجموع وزن‌دار و توابع فعال‌سازی

پرسپترون برای تشخیص اعداد

• پیشرفت به سمت کدنویسی یک پرسپترون برای تشخیص اعداد با استفاده از مجموعه داده MNIST برای شناسایی اینکه آیا یک عدد 0 است یا خیر
• آموزش پرسپترون با استفاده از مجموعه داده MNIST و بهینه‌سازی وزن‌ها و سوگیری ها
• یادگیری تکنیک‌هایی برای محاسبه دقت و مدیریت داده‌های اشتباه طبقه‌بندی‌شده
• ذخیره و اکسپورت کردن از مدل آموزش‌دیده برای استفاده در وب اپلیکیشن‌ها

تجزیه و پیش‌پردازش داده‌های MNIST

• یادگیری تجزیه و پیش‌پردازش داده‌های MNIST به صورت دستی
• درک فرمت فایل‌ها و مراحل مورد نیاز برای تبدیل داده‌های تصویری به فرمتی قابل استفاده برای آموزش

ساخت پرسپترون چندلایه (MLP)

• توسعه یک MLP پیچیده‌تر برای تشخیص ارقام 0 تا 9
• پیاده‌سازی الگوریتم‌های آموزش و درک پس‌انتشار
• بررسی توابع فعال‌سازی مختلف مانند ReLU و Softmax

پیاده‌سازی عملی با جاوااسکریپت و ری‌اکت

• یکپارچه‌سازی شبکه‌های عصبی در وب اپلیکیشن‌ها با استفاده از جاوااسکریپت، ری‌اکت و نود.جی‌اس
• ساخت و استقرار اپلیکیشن‌های فول‌استک که دارای قابلیت‌های شبکه عصبی هستند.
• ایجاد یک اپلیکیشن ری‌اکت برای تست و مصورسازی مدل‌های خود، شامل نقاشی روی یک کنوس و انجام پیش‌بینی

یکپارچه‌سازی با کتابخانه تنسورفلو

• یادگیری راه‌اندازی شبکه‌های عصبی با تنسورفلو
• استفاده از تنسورفلو برای تشخیص اعداد از 0 تا 9

ویژگی‌های دوره:

• آموزش‌های کدنویسی گام‌به‌گام با توضیحات دقیق
• پروژه‌های عملی برای تثبیت درک شما
• مصورسازی گرافیکی مرزهای تصمیم‌گیری شبکه عصبی
• تکنیک‌هایی برای ذخیره و اکسپورت کردن از مدل‌های آموزش‌دیده برای کاربردهای دنیای واقعی
• پوشش جامع از پرسپترون‌های پایه تا پرسپترون‌های چندلایه

این دوره برای چه کسانی مناسب است؟

• افراد مبتدی که به دنبال یک راهنمای جامع و گام‌به‌گام برای شبکه‌های عصبی هستند.
• هر کسی که به یادگیری شبکه‌های عصبی با استفاده از جاوااسکریپت و ری‌اکت علاقه‌مند است.
• توسعه‌دهندگان وب که به دنبال بهبود مهارت‌های خود با هوش مصنوعی هستند.