Lecture 01- Introduction

عنوان: جلسه اول درس شبکه‌های عصبی؛ از ساختار مغز انسان تا عصر یادگیری عمیق 🧠💻 در این ویدیو، جلسه اول و مقدماتی درس دانشگاهی «شبکه‌های عصبی» (Neural Networks) ارائه شده است. ⏱️ لحظات حساس و زمان‌بندی ویدیو (Timestamps): • 00:00 | مقدمه، معرفی مراجع درس (کتاب سیمون هیکن) و ساختار تکالیف و پروژه‌ها • 05:30 | مرور سرفصل‌های ترم (شبکه‌های پیشرو، اتوانکودرها، RNN و یادگیری عمیق) • 15:45 | تعریف یادگیری ماشین و بررسی «اصل پیوستگی» در جهان • 22:10 | مزیت شگفت‌انگیز شبکه‌های عصبی نسبت به یادگیری ماشین کلاسیک • 30:15 | تئوری اتصال‌گرایی؛ مقایسه ساختار مغز انسان و کامپیوتر (مصرف انرژی و تعداد نورون‌ها) • 42:00 | بررسی خاصیت تحمل خطا (Fault Tolerance) در مغز و مقایسه آن با کامپیوتر • 51:20 | تاریخچه شبکه‌های عصبی؛ از تولد پرسپترون تا افول در دهه ۷۰ میلادی • 01:02:10 | انقلاب سال ۲۰۱۲ با معرفی الکس‌نت (AlexNet) و آغاز عصر یادگیری عمیق 📚 مراجع معرفی‌شده در این درس: • کتاب مرجع «شبکه‌های عصبی و یادگیری ماشین» اثر سیمون هیکن (Simon Haykin). • کتاب‌های معتبر حوزه یادگیری عمیق به عنوان مراجع کمکی. #هوش_مصنوعی #شبکه‌های_عصبی #یادگیری_ماشین #یادگیری_عمیق #دیپ_لرنینگ #آموزش_هوش_مصنوعی #مهندسی_کامپیوتر #علوم_کامپیوتر #نورون_مصنوعی #تاریخچه_هوش_مصنوعی #اتوانکودر #شبکه_عصبی_بازگشتی #الکس_نت #سیمون_هیکن #MachineLearning #ArtificialIntelligence #NeuralNetworks #DeepLearning