کتاب پیاده سازی شبکه های عصبی با پایتون

فصل 1: مقدمه‌ای بر شبکه‌های عصبی 1-1. شبکه‌های عصبی و کاربردهای آن‌ها 1-2. عناصر سازنده‌ی اصلیِ شبکه‌های عصبی 1-3. درک ساختار و مولفه‌های شبکه‌ی عصبی فصل 2: مبانی شبکه‌های عصبی 2-1. درک ریاضیات پایه‌ی شبکه‌های عصبی 2-2. معرفی الگوریتم‌های پس‌انتشار و کاهش گرادیان 2-3. بررسی به‌روزرسانی‌های وزن‌ها و بایاس‌ها 2-4. مروری بر توابع ضرر متداول و تکنیک‌های بهینه‌سازی فصل 3: پیاده‌سازی شبکه‌های عصبی در پایتون 3-1. آماده‌سازی محیط پایتون برای توسعه‌ی شبکه‌های عصبی 3-2. پیاده‌سازی شبکه‌ی عصبی پیشخور ساده 3-3. اداره کردن چالش‌های متداول کدها 3-4. آزمون و ارزیابی مدل‌های شبکه‌ی عصبی فصل 4: اداره کردن مفاهیم پیچیده در شبکه‌های عصبی 4-1. تشریح معماری‌های پیشرفته‌ی شبکه‌های عصبی 4-2. معرفی‌ تکنیک‌های منظم‌سازی 4-3. منظم‌سازی L1 و L2 برای کاهش وزن 4-4. مقابله با بیش‌برازش، زیربرازش و ظرفیت مدل فصل 5: آماده‌سازی داده‌ها برای شبکه‌های عصبی 5-1. درک اهمیت پیش‌پردازش داده‌ها در آموزش شبکه‌های عصبی 5-2. ساده‌سازی تکنیک‌های پاک‌سازی، نرمال‌سازی و مقیاس‌بندی ویژ‌گی‌ها برای مبتدیان فصل 6: تفسیرپذیر کردن شبکه‌های عصبی 6-1. اداره کردن چالش‌های تفسیرِ تصمیمات شبکه‌ی عصبی 6-2. معرفی تکنیک‌های مصورسازی برای درک رفتار مدل 6-3. رسم منحنی‌های یادگیری و چشم‌انداز ضرر 6-4. اهمیت ویژگی و نقشه‌های برجسته 6-5. تکنیک‌های LIME ، SHAP و گرادیان‌های یکپارچه 6-6. منابع فصل 7: به‌روز ماندن با پیشرفت‌های شبکه‌ی عصبی 7-1. بررسی حوزه‌ی در حال تکاملِ شبکه‌های عصبی 7-2. منابع موردنیاز برای به‌روزماندن پیوسته 7-3. منابع فصل 8: بررسی چند پروژه ساده 8-1. کاربرد شبکه‌های عصبی در پروژه‌های دنیای واقعی 8-2. چالش‌ها و نکات عملی برای استقرار مدل‌ها 8-3. منابع نتیجه‌گیری واژه‌نامه انگلیسی به فارسی