📚 سرفصل‌های دوره مقدماتی یادگیری عمیق با Python

- مقدمات و مروری بر کار‌ با کتابخانه نامپای
- معرفی یادگیری‌ماشین و یادگیری عمیق
- مفاهیم
Vectorization & Broadcasting
- شبکه های عصبی کاملا متصل (فیدفوروارد)
- کار با تصاویر و عکس ها
- روش بهینه سازی کاهش گرادیان در شبکه های عصبی
- مراحل Forward Propagation
-مراحل Back Propagation
- گراف محاسبات در شبکه عصبی
- توابع فعال سازی
- مقدار دهی اولیه وزن ها

- کار‌ با کتابخانه های Keras و TensorFlow

- شبکه های عصبی کانولوشنی
- بلاک های شبکه عصبی کانولوشنی
- نحوه کار بلاک کانولوشن بر روی تصاویر (تصاویر RGB)
- تشخیص لبه در تصاویر
- لایه های Padding
- لایه های Pooling
- معماری های معروف در شبکه های عصبی



📍تمامی موارد بالا به صورت Hands-on و علاوه بر مفاهیم تئوری و برنامه نویسی آنها، از پایه به صورت پروژه محور و در فضای Google Colab کار می‌شوند.