دوره یادگیری عمیق (Deep Learning)

یادگیری عمیق (deep learning) یا همان شبکه‌های عصبی عمیق (deep neural networks) یکی از مباحث مهم و پرکاربرد نوین در علم داده، داده‌کاوی و یادگیری ماشین است. این دسته از شبکه‌ها که قابلیت یادگیریِ الگوهای پیچیده را نیز دارند، به خاطر قدرت و دقت بالا در بسیاری از مسائل دنیای واقعی (مانند تشخیص پلاک، پیش‌بینی بیماری‌ها، دسته بندی خودکار متون و تصاویر و…) به کار گرفته شده اند. در این دوره، سعی داریم روش‌ها و الگوریتم‌های مختلف یادگیری عمیق را فراگرفته و کاربرد هر یک را مرور کنیم.

جهت تدوین این دوره منابع مختلفی استفاده شده است:
» کتاب یادگیر عمیق MIT از گودفلو
» دانشگاه برکلی از این لینک
» درس یادگیری عمیق UVA

ترتیب خواندن دروس این دوره به صورت زیر پیشنهاد می‌شود. البته بهتر است قبل از این دوره، دوره‌های پیشین مخصوصاً دوره‌ی مقدمات داده‌کاوی و یادگیری ماشین و دوره‌ی طبقه‌بندی را نیز مطالعه کرده باشید.

درس اول	یادگیری عمیق (Deep Learning) چیست؟
درس دوم	تفاوت یادگیری عمیق (Deep Learning) با یادگیری ماشین کلاسیک
درس سوم	تفاوت شبکه‌های عصبی (Neural Networks) با یادگیری عمیق (Deep Learning) چیست؟
درس چهارم	مشکل محوشدگی گرادیان (Gradient Vanishing) در شبکه‌های عصبی عمیق
درس پنجم	مشکل انفجار گرادیان (Exploding Gradients) در شبکه‌های عصبی عمیق
درس ششم	توابع فعال‌سازی (Activation Functions) در شبکه‌های عصبی عمیق
درس هفتم	شبکه عصبی پیچشی (Convolutional Neural Network) در یادگیری عمیق
درس هشتم	شبکه عصبی بازگشتی (Recurrent Neural Network)
درس نهم	انواع شبکه‌های عصبی بازگشتی (RNN) و کاربرد آن‌ها
درس دهم	شبکه عصبی بازگشتی با حافظه‌ی طولانی کوتاه مدت (LSTM)
درس یازدهم	شبکه عصبی واحد بازگشتی دروازه‌دار (GRU)
درس دوازدهم	شبکه‌های عصبی عمیق توالی به توالی (Seq2Seq)
	دوره‌های چیستیو همواره در حال تکمیل است…