
خودآموز تعاملی
ژرفا — خودآموز یادگیری عمیق و مهندسی هوش مصنوعی (متوسط)
Deep learning with PyTorch tutorial, in Persian
۶ ترم۵۱ فصلکاملاً رایگان
زیر سطحِ ابزارهایی که تا حالا فقط استفاده میکردی. با PyTorch شبکه میسازی و آموزش میدهی، transformer را بلوکبهبلوک میفهمی، مدل آماده را fine-tune میکنی، و یک سامانهٔ LLM با eval واقعی میسازی — همه در Google Colab.
- یادگیری عمیق با PyTorch
- نوتبوک در Google Colab، بدون نصب
- سطح متوسط
- کدهای کامل در GitHub
نسخهٔ دانلودی این خودآموز هم هست:آموزش یادگیری عمیق با پایتون و PyTorch؛ بینایی ماشین، ترنسفورمر و مهندسی LLM (خودآموز ژرفا)
فهرست فصلها
۶ ترم، ۵۱ فصل — به ترتیب.
۱مکانیزمِ یادگیری: PyTorch از پایهترم ۱ · ۹ فصل

فصل ۰۱ — `tensor`: چرا یک آرایهٔ دیگر لازم شد
فصل ۰۲ — `autograd`: مشتق را ماشین حساب میکند
فصل ۰۳ — `gradient descent` با دست
فصل ۰۴ — اولین شبکه: از یک خط تا یک لایه
فصل ۰۵ — بدونِ تابعِ فعالسازی، شبکه فقط یک خط است
فصل ۰۶ — `loss` و `optimizer`
فصل ۰۷ — حلقهٔ آموزشِ کامل
فصل ۰۸ — `loss` پایین نمیآید: چکلیستِ واقعی
فصل ۰۹ — پروژه: یک شبکهٔ کامل روی دادهٔ واقعی
۲آموزشِ درست: تعمیم و آزمایشِ منظمترم ۲ · ۸ فصل

۳دیدن: CNN و انتقالِ یادگیریترم ۳ · ۸ فصل

۴زبان: از `embedding` تا `transformer`ترم ۴ · ۹ فصل

فصل ۰۱ — متن به عدد
فصل ۰۲ — فضای `embedding`: معنا و سوگیری
فصل ۰۳ — ترتیب مهم است
فصل ۰۴ — `attention`: قلبِ ماجرا
فصل ۰۵ — بلوکِ `transformer`، تکهتکه
فصل ۰۶ — `tokenizer`: چرا فارسی گران است
فصل ۰۷ — یک مدلِ زبانیِ خیلی کوچک را خودت آموزش بده
فصل ۰۸ — یک مدلِ آمادهٔ چندزبانه روی فارسی: ویژگیگیری و `fine-tune`
فصل ۰۹ — پروژه: مدلِ متنِ فارسیِ خودت
۵مهندسیِ LLM: سامانهای که واقعاً کار میکندترم ۵ · ۱۰ فصل

فصل ۰۱ — API یک مدلِ بزرگ، از پایتون
فصل ۰۲ — خروجیِ ساختارمند و اعتبارسنجیشده
فصل ۰۳ — `tool calling`: مدل تابعِ تو را صدا میزند
فصل ۰۴ — `RAG` از صفر، بدونِ framework
فصل ۰۵ — `RAG` خراب میشود — کجا و چرا
فصل ۰۶ — `eval`: مهمترین فصلِ این ترم
فصل ۰۷ — عامل: حلقهٔ فکر و عمل
فصل ۰۸ — هزینه، تأخیر، `cache`
فصل ۰۹ — ایمنی: `prompt injection` و دادهٔ حساس
فصل ۱۰ — پروژه: سامانهٔ `RAG` فارسی با `eval`























