پیش‌پردازش متن تعیین می‌کند مدل شما چه چیزی را ببیند و چه چیزی را هرگز نبیند. در این قسمت توکن‌سازی، یکدست‌سازی متن فارسی، ریشه‌یابی و بن‌واژه‌یابی، کلمات توقف، N-gram، کیسه کلمات و TF-IDF را با پایتون یاد می‌گیرید و می‌بینید کدام پاک‌سازی اطلاعات مهمی مثل منفی بودن جمله را پاک می‌کند.
پردازش زبان طبیعی یا NLP چیست و چرا فهم زبان برای کامپیوتر این‌قدر سخت است؟ در این قسمت وظایف اصلی NLP، سیر تحول از قاعده و آمار تا شبکه عصبی، چالش‌های ویژه زبان فارسی، یک ربات گفت‌وگوی ساده به سبک ELIZA و نقشه راه مسیر متن تا پاسخ در یک دستیار هوشمند را می‌بینید.
هوش مصنوعی چندوجهی تصویر و متن را در یک فضای مشترک می‌فهمد. در این قسمت ایده CLIP و طبقه‌بندی بدون نمونه، ترکیب CLIP و VQGAN برای تولید تصویر، مدل‌های بینایی-زبانی امروزی و طراحی یک دستیار دومرحله‌ای را یاد می‌گیرید که اول توصیف تصویر را ثبت می‌کند و بعد بر اساس همان شواهد پاسخ می‌دهد.
بخش‌بندی تصویر یعنی برای هر پیکسل تصمیم بگیریم متعلق به کدام شیء است. در این قسمت بخش‌بندی معنایی و نمونه‌ای، معماری رمزگذار-رمزگشا و U-Net، تابع خطای Dice، معیارهای IoU و Dice، کاربرد در تصویربرداری پزشکی و جدا کردن پس‌زمینه را با مثال PyTorch یاد می‌گیرید.
تشخیص اشیا یک قدم فراتر از طبقه‌بندی تصویر است؛ باید بگوید چه چیزی در تصویر هست و دقیقاً کجاست. در این قسمت کادر محدودکننده، معیارهای IoU، AP و mAP، خانواده R-CNN و روش‌های یک‌مرحله‌ای مثل YOLO، حذف غیربیشینه و اجرای یک مدل آماده با PyTorch را یاد می‌گیرید.
GAN چیست و چطور دو شبکه عصبی با رقابت، تصویرهایی می‌سازند که در دنیا وجود ندارد؟ در این قسمت مولد و تمییزدهنده، مشکلات آموزش GAN، انتقال سبک، مدل‌های امروزی تولید تصویر از متن و طراحی یک برنامه تولید تصویر مسئولانه را با مثال پایتون یاد می‌گیرید.
اتوانکودر یا خودرمزگذار شبکه‌ای است که یاد می‌گیرد ورودی را فشرده کند و دوباره بسازد، بدون اینکه به داده برچسب‌خورده نیاز داشته باشد. در این قسمت رمزگذار، فضای نهفته و رمزگشا، کاربردهایی مثل حذف نویز و تشخیص ناهنجاری، و اتوانکودر واریاسیونی یا VAE را با مثال PyTorch یاد می‌گیرید.
یادگیری انتقالی به شما اجازه می‌دهد با چند صد تصویر، مدلی بسازید که از صفر به میلیون‌ها تصویر نیاز داشت. در این قسمت استخراج ویژگی و تنظیم دقیق، مدل‌های آماده VGG، ResNet و MobileNet، منجمد کردن لایه‌ها، افزایش داده و حمله تخاصمی را با مثال نژاد حیوانات خانگی و PyTorch یاد می‌گیرید.
شبکه عصبی کانولوشنی یا CNN چطور الگوهای تصویر را خودش یاد می‌گیرد؟ در این قسمت فیلتر کانولوشنی و تشخیص لبه، لایه کانولوشن و ادغام، معماری هرمی و VGG-16، ساخت یک CNN با PyTorch و نقش بهینه‌سازهایی مثل مومنتوم و Adam را یاد می‌گیرید و آن را روی ارقام و نژاد حیوانات خانگی به کار می‌برید.
بینایی کامپیوتر چیست و تصویر چطور به ورودی قابل فهم برای شبکه عصبی تبدیل می‌شود؟ در این قسمت وظایف اصلی بینایی کامپیوتر، تصویر به‌عنوان آرایه، فضای رنگ BGR و RGB، تغییر اندازه، نرمال‌سازی، آستانه‌گذاری و جریان نوری را با OpenCV یاد می‌گیرید و یک خط پیش‌پردازش قابل اعتماد می‌سازید.
PyTorch یا TensorFlow؛ کدام را یاد بگیریم؟ در این قسمت کار هر دو چارچوب را از پایه می‌فهمید؛ تنسور، مشتق‌گیری خودکار، ساخت مدل، حلقه آموزش دستی و رابط سطح بالا. یک حلقه آموزش کامل در PyTorch می‌نویسید، معادلش را در Keras می‌بینید و معیار انتخاب چارچوب را برای پروژه خودتان یاد می‌گیرید.
ساخت شبکه عصبی با پایتون امروز فقط چند خط کد است، اما ساخت شبکه‌ای که روی داده تازه هم خوب کار کند، مهارت می‌خواهد. در این قسمت یک شبکه چندلایه برای تشخیص ارقام دست‌نویس MNIST می‌سازید، بیش‌برازش را از روی نمودار آموزش تشخیص می‌دهید و با Dropout، منظم‌سازی و توقف زودهنگام جلویش را می‌گیرید.
