آیا می‌خواهید یادگیری عمیق را از صفر تا صد، با مثال‌های عملی و کدنویسی واقعی در متلب بیاموزید؟ این کتاب شما را گام به گام از مبانی شبکه‌های عصبی و نورون‌ها تا مفاهیم پیشرفته‌ای مانند گرادیان‌ها، مشتقات جزئی، بهینه‌سازی پیشرفته، خطای آنتروپی و پیاده‌سازی سافتمکس با آنتروپی متقاطع هدایت می‌کند.

با مطالعه این کتاب، شما:

ساختار و عملکرد نورون‌ها و لایه‌ها را خواهید شناخت.

توابع فعال‌سازی، محاسبه خطا و تحلیل دقیق رفتار شبکه‌ها را خواهید آموخت.

گرادیان‌ها و مشتقات جزئی را محاسبه و کاربرد آن‌ها در یادگیری شبکه‌ها را درک خواهید کرد.

بهینه‌سازی شبکه‌ها، مدیریت داده‌ها و پیش‌بینی مدل‌ها را به صورت عملی یاد خواهید گرفت.

این کتاب، ترکیبی منحصربه‌فرد از تئوری و پیاده‌سازی عملی است و شما را آماده می‌کند تا مهارت‌های یادگیری عمیق خود را در پروژه‌های واقعی و حرفه‌ای به کار بگیرید.

فصل اول: مقدمه‌ای بر یادگیری عمیق 1

 فصل دوم: ساختار و عملکرد نورون‌ها در یادگیری ماشین 21

 فصل سوم:داده‌های آموزشی و نقش آن‌ها در یادگیری 57

 فصل چهارم: نقش حیاتی توابع فعال‌سازی در شبکه‌های عصبی  80

 فصل پنجم:سنجش خطا و ارزیابی کارایی شبکه‌های عصبی 119

 فصل ششم: بهینه‌سازی 139

 فصل هشتم: گرادیان‌ها و مشتقات جزئی در یادگیری شبکه‌های عصبی 179  

 فصل نهم: مشتق خطای آنتروپی و مشتقات مرتبط با آن199

 فصل دهم: رازهای سرعت و دقت: بهینه‌سازی در یادگیری عمیق259