التعلم العميق باستخدام MATLAB
Deep Learning with MATLAB
من العصبون والـ Perceptron والانتشار العكسي إلى CNN وRNN وLSTM وGRU والمشفرات التلقائية وGAN والمحولات ونقل التعلم والضبط.
أهداف الوحدة
- فهم رياضيات الشبكات العصبية: الانتشار الأمامي والعكسي والخسارة والتحسين
- بناء شبكات CNN وLSTM بـ Deep Learning Toolbox
- تطبيق نقل التعلم والضبط الدقيق على بيانات صغيرة
- تشخيص التدريب: الإفراط في التخصيص ومعدل التعلم والتنظيم
الدروس
- 1الشبكات العصبية والـ Perceptron والـ MLPNeural Networks, Perceptron and MLP
- 2دوال التنشيط والخسارة والانتشار العكسي والانحدار التدرجيActivations, Losses, Backpropagation and Gradient Descent
- 3الشبكات العصبية الالتفافية (CNN)Convolutional Neural Networks (CNN)
- 4الشبكات التكرارية RNN وLSTM وGRURecurrent Networks: RNN, LSTM and GRU
- 5المشفرات التلقائية وGAN والمحولاتAutoencoders, GANs and Transformers
- 6نقل التعلم والضبط الدقيق وضبط المعاملاتTransfer Learning, Fine-Tuning and Hyperparameter Tuning
خريطة موضوعات الوحدة
الموضوعات المرتبطة بدروس منشورة تفتح مباشرة، والموضوعات الأخرى مخطط لإضافتها لاحقاً ويغطي بعضها درسٌ أشمل.
- الشبكات العصبية والـ Perceptron والـ MLP قيد الإعداد
- دوال التنشيط والخسارة والانتشار العكسي والانحدار التدرجي قيد الإعداد
- الشبكات الالتفافية CNN قيد الإعداد
- الشبكات التكرارية RNN وLSTM وGRU قيد الإعداد
- المشفرات التلقائية وGAN والمحولات قيد الإعداد
- نقل التعلم والضبط الدقيق وضبط المعاملات قيد الإعداد
