فهرست
فصل اول: مقدمه. ۱
فصل دوم: ساختار و عملکرد نورونها در یادگیری ماشین. ۲۱
فصل سوم: دادههای آموزشی و ساختار لایههای متراکمدرشبکههایعصبی ۶۵
فصل چهارم: توابع فعالسازی. ۸۳
فصل پنجم: محاسبه خطا و ارزیابی عملکرد در شبکههای عصبی. ۱۲۹
فصل ششم: بهینهسازی. ۱۵۵
فصل هفتم: مشتقات و نقش آنها در یادگیری شبکههای عصبی. ۱۶۷
فصل هشتم: گرادیانها و مشتقات جزئی در شبکههای عصبی. ۱۹۹
فصل نهم: مشتق خطای آنتروپی و مشتقات مرتبط با آن. ۲۱۵
فصل دهم: بهینهسازها و تکنیکهای بهینهسازی در یادگیری عمیق ۳۰۱
فصل یازدهم: ارزیابی مدلهای یادگیری عمیق. ۳۸۹
فصل دوازدهم: دادههای اعتبارسنجی. ۳۹۹
فصل سیزدهم: دادههای آموزشی. ۴۰۵
فصل چهاردهم: تنظیم L۱ و L۲ و تکنیکهای انتشار در یادگیری عمیق ۴۱۱
فصل پانزدهم: حذف تصادفی و تکنیکهای انتشار در یادگیری عمیق. ۴۴۵
فصل شانزدهم: رگرسیون لجستیک دودویی و تحلیل خطا با تابع آنتروپی متقاطع ۴۷۹
فصل هفدهم: رگرسیون و تحلیل خطا در یادگیری ماشین. ۵۲۳
فصل هجدهم: مدل شیء. ۵۸۳
فصل نوزدهم: آمادهسازی و پیشپردازش دادهها ۶۵۷
فصل بیستم: ارزیابی مدل در یادگیری ماشین. ۷۳۹
فصل بیست و یکم: مدیریت پارامترها و مدل در یادگیری ماشین. ۷۴۹
فصل بیست و دوم: پیشبینی و نتیجهگیری در یادگیری ماشین. ۷۶۹
پیشبینی / نتیجهگیری.. ۷۶۹
واژهنامه ۸۲۹
منابع و مراجع ۸۳۳