1⃣ در فصل اول دوره پایتورچ رو معرفی می‌کنیم و با چارچوب کار در این محیط آشنا می‌شویم.

2⃣ در فصل دوم دوره کار با تنسورها رو یاد میگیریم: 
🔻ساخت تنسور
🔺آدرس‌دهی تنسور
🔻پیوند تنسورها
🔺عملیات ریاضیاتی/منطقی/مثلثاتی
🔻تبدیل آرایه به تنسور و برعکس

3⃣ در فصل سوم دوره با datasetها و datalaoder آشنا میشویم
🔻reading Datasets
🔺 customised dataloaders
🔻data batching
🔺 preprocessing

4⃣ در فصل چهارم دوره با شبکه عصبی پرسپترون تک لایه آشنا میشویم
🔻نورون
🔺پرسپترون تک لایه
🔻قانون پرسپترون
🔺رابطه وینرهاف
🔻گرادیان نزولی
🔺حداقل مربعات خطا
💡ایراد شبکه عصبی تک لایه

5⃣ در فصل پنجم شبکه عصبی پرسپترون چند لایه آشنا میشویم
🔷پس انتشار خطا
🔶توابع هزینه
🔻 MSE
🔺 Cross Entropy

💡روشهای بهینه‌سازی (تجزیه و تحلیل و پیاده‌سازی شبکه عصبی به ازای بهینه‌سازهای مختلف)
🔻SGD
🔺Momentum
🔻AdaGrad
🔺 RMSprop
🔻AdaDelta
🔺Adam

🔷توابع فعال و مشتقات آنها
🔻 Linear
🔺 Tanh
🔻 Sigmoid
🔺 ReLU
🔻 Softmax

6⃣ در فصل ششم هم شبکه های عصبی را با کمک پایتورچ پیاده سازی میکنیم
🔶طراحی شبکه عصبی چندلایه
🔷بررسی تاثیر توابع فعال بر عملکرد و روند یادگیری شبکه
🔶بررسی تاثیر تعداد لایه ها بر عملکرد و روند یادگیری شبکه
🔷پیاده سازی شبکه عصبی کانولوشنال (CNN)
🔶 نحوه ذخیره و بارگذاری شبکه های آموزش دیده در پایتورچ
 
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💡این دوره بیسیک دیپ لرنینگ هست و هر فردی که میخواد به صورت تخصصی وارد حوزه دیپ لرنینگ شود این دوره خیلی میتونه براش مفید باشه

امیدوارم کنار هم دوره خوبی رو تجربه کنیم😊
 
@Onlinebme