آموزش یادگیری عمیق
از صفر تا پروژه واقعی
شبکه عصبی، آموزش، خطا و معماریهای مهم را شهودی و پروژهمحور بفهم.
20 گام تا ساختن
درسها کوتاهاند، اما سطحی نیستند؛ هر گام روی نتیجه گام قبلی ساخته میشود.
مسئله واقعی را پیدا کن
اولین خروجی را بساز و محیط تمرین را بشناس.
کاربر و نیاز پنهان او
مفهوم، مثال واقعی، تمرین و یک سنجش کوتاه.
نتیجه خوب و معیار موفقیت
مفهوم، مثال واقعی، تمرین و یک سنجش کوتاه.
داده و منبع معتبر
مفهوم، مثال واقعی، تمرین و یک سنجش کوتاه.
کیفیت، کمبود و سوگیری داده
مفهوم، مثال واقعی، تمرین و یک سنجش کوتاه.
حریم خصوصی از قدم اول
مفهوم، مثال واقعی، تمرین و یک سنجش کوتاه.
مدل چگونه پاسخ میسازد؟
مفهوم، مثال واقعی، تمرین و یک سنجش کوتاه.
دستور روشن و قابل تکرار
مفهوم، مثال واقعی، تمرین و یک سنجش کوتاه.
زمینه، نمونه و قالب خروجی
مفهوم، مثال واقعی، تمرین و یک سنجش کوتاه.
کارگاه اولین خروجی مفید
مفهوم، مثال واقعی، تمرین و یک سنجش کوتاه.
ابزارها و مرز دسترسی
مفهوم، مثال واقعی، تمرین و یک سنجش کوتاه.
اتصال به سند و دانش معتبر
مفهوم، مثال واقعی، تمرین و یک سنجش کوتاه.
آزمون و سنجش کیفیت
مفهوم، مثال واقعی، تمرین و یک سنجش کوتاه.
خطاها را دستهبندی کن
مفهوم، مثال واقعی، تمرین و یک سنجش کوتاه.
امنیت و استفاده مسئولانه
مفهوم، مثال واقعی، تمرین و یک سنجش کوتاه.
کنترل و تأیید انسانی
مفهوم، مثال واقعی، تمرین و یک سنجش کوتاه.
ساخت نسخه کوچک پروژه
مفهوم، مثال واقعی، تمرین و یک سنجش کوتاه.
تست با سناریوهای واقعی
مفهوم، مثال واقعی، تمرین و یک سنجش کوتاه.
انتشار امن و مرحلهای
مفهوم، مثال واقعی، تمرین و یک سنجش کوتاه.
پایش، بازخورد و بهبود
مفهوم، مثال واقعی، تمرین و یک سنجش کوتاه.
دستهبندی تصویر ساده
پروژه را بخشبهبخش در طول درسها میسازی. در پایان فقط یک تمرین پراکنده نداری؛ یک خروجی کامل، توضیحپذیر و قابل انتشار داری.
- تعریف مسئله و نیاز کاربر
- ساخت نسخه اولیه و قابل استفاده
- خطایابی و بهترکردن تجربه
- انتشار و دریافت بازخورد
تفاوت شبکه عصبی معمولی و CNN را با مثال تشخیص تصویر محصول برای یک مبتدی توضیح بده.