مبانی یادگیری عمیق
از داده و زیان تا شبکه، گرادیان، و بازنمایی؛ یادگیری عمیق از روی سازوکار، نه فقط ابزار.
وریا حیدری
این دوره درباره چیست؟
یادگیری عمیق تقریب‌زدن تابع است با لایه‌هایی که وزن دارند. این دوره از داده، زیان و گرادیان شروع می‌کند و به شبکه، پس‌انتشار، تعمیم، و بازنمایی می‌رسد.
هدف، ساختن شهود است: یک لایه چه چیزی را عوض می‌کند، گرادیان از کجا می‌آید، و مدل در عمل چه چیزی را یاد می‌گیرد — نه فقط اجرای یک نوت‌بوک آماده.
کلاس گروهی نیست. هر نفر جدا، در دورهٔ خصوصی، با وریا حیدری جلسه می‌گذارد.
چرا این موضوع مهم است؟
بدون این مبانی، کار با مدل‌های بزرگ فقط صدا کردن API است. دوره همان سازوکاری را درس می‌دهد که بعداً پشت Transformer، بینایی، و عامل می‌نشیند.
در پایان این دوره می‌توانید
- یک لایه را به‌عنوان تبدیل بازنمایی توضیح دهید.
- زیان و گرادیان را از روی یک مثال ساده دنبال کنید.
- بگویید تعمیم با حفظ کردن داده چه فرقی دارد.
- شبکه را به مسئلهٔ واقعی وصل کنید، نه فقط به نوت‌بوک.
سرفصل دوره
بخش اول — ایده
یادگیری از داده
مدل، زیان، و آنچه «یاد گرفتن» واقعاً یعنی.
از یادگیری ماشین تا یادگیری عمیق
چرا لایه اضافه می‌کنیم و غیرخطی کجا لازم است.
بخش دوم — شبکه
واحد و لایه
وزن، بایاس، و تبدیل فضای ویژگی.
زیان و گرادیان
پس‌انتشار به‌عنوان حساب، نه جادو.
بخش سوم — یادگیری
بهینه‌سازی
گام گرادیان، نرخ یادگیری، و گیر افتادن.
تعمیم
بیش‌برازش، داده، و آنچه مدل حفظ می‌کند.
بخش چهارم — بازنمایی
دیدن و توالی
از تصویر تا دنباله؛ چرا معماری عوض می‌شود.
حدّ مدل
آنچه شبکه مدل می‌کند و آنچه نمی‌کند.
شیوه برگزاری
- جلسات خصوصی و آنلاین
- زمان هر جلسه با شما هماهنگ می‌شود
- تمرین روی زیان، لایه، و داده
- ثبت‌نام و پرداخت از تلگرام
این دوره برای شماست اگر
کسانی که می‌خواهند یادگیری عمیق را از روی ایده بفهمند؛ مهندسان، دانشجویان، و پژوهشگرانی که با مدل کار می‌کنند اما لایه و زیان برایشان مبهم مانده.
- می‌خواهید شبکه را به‌عنوان مدل بفهمید، نه جعبهٔ سیاه.
- با یادگیری ماشین آشنا هستید و می‌خواهید به یادگیری عمیق برسید.
- می‌خواهید قبل از دوره‌های تخصصی‌تر، مبانی را محکم کنید.
سطح دوره
سطح مقدماتی تا متوسط. فرض بر ریاضی کارشناسی و یک زبان برنامه‌نویسی است.
پیش‌نیازها
ریاضی کارشناسی — مشتق و احتمال مقدماتی — و یک زبان برنامه‌نویسی، ترجیحاً Python.
- مشتق و احتمال در حد کارشناسی
- Python یا معادل آن
- آشنایی مقدماتی با بردار و ماتریس
مدرس
وریا حیدری
بنیان‌گذار رندیس. کارش روی یادگیری ماشین، معماری عامل، و فکر کردن در مرز انسان و ماشین است.
پرسش‌های متداول
- این دوره کلاس گروهی است؟
- خیر. دوره خصوصی است؛ هر نفر جدا با مدرس جلسه دارد. برای همه باز است، اما هم‌زمان با گروه جلو نمی‌روید.
- ثبت‌نام چطور است؟
- بعد از ورود به حساب، از صفحهٔ دوره به تلگرام ادمین پیام می‌دهید. زمان جلسات و پرداخت همان‌جا هماهنگ می‌شود.
- آیا باید GPU داشته باشم؟
- برای فهم مبانی لازم نیست. تمرین‌ها روی مسئله‌های کوچک قابل اجراست.