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
