📘 Bilješke o dubokom učenju (izdanje 2025. – 2026.)
📚 Izdanje Deep Learning Notes (2025. – 2026.) kompletan je akademski i praktični resurs prilagođen studentima sveučilišta, studentima, studentima softverskog inženjerstva i ambicioznim programerima. Pokrivajući cijeli nastavni plan i program dubokog učenja na strukturiran način prilagođen studentima, ovo izdanje kombinira potpuni nastavni plan i program s praktičnim MCQ-ovima i kvizovima kako bi učenje bilo učinkovito i zanimljivo.
Ova aplikacija pruža vodič korak po korak za svladavanje koncepata dubokog učenja, počevši od osnova programiranja i napredujući do naprednih tema kao što su konvolucijske mreže, rekurentne neuronske mreže i strukturirani probabilistički modeli. Svaka je jedinica pažljivo osmišljena s objašnjenjima, primjerima i pitanjima za vježbu kako bi se ojačalo razumijevanje i pripremili studenti za akademske ispite i profesionalni razvoj.
---
🎯 Ishodi učenja:
- Razumjeti koncepte dubokog učenja od osnova do naprednog programiranja.
- Učvrstite znanje MCQ-ovima i kvizovima za pojedinačne jedinice.
- Steknite praktično iskustvo kodiranja.
- Učinkovito se pripremite za sveučilišne ispite i tehničke intervjue.
---
📂 Jedinice i teme
🔹 Jedinica 1: Uvod u dubinsko učenje
- Što je duboko učenje?
- Povijesni trendovi
- Priče o uspjehu dubokog učenja
🔹 Jedinica 2: Linearna algebra
- Skalari, vektori, matrice i tenzori
- Množenje matrice
- Vlastita dekompozicija
- Analiza glavnih komponenti
🔹 Jedinica 3: Teorija vjerojatnosti i informacija
- Distribucije vjerojatnosti
- Granična i uvjetna vjerojatnost
- Bayesovo pravilo
- Entropija i KL divergencija
🔹 Jedinica 4: Numeričko računanje
- Preljev i donji preljev
- Optimizacija temeljena na gradijentima
- Ograničena optimizacija
- Automatsko razlikovanje
🔹 Jedinica 5: Osnove strojnog učenja
- Učenje algoritama
- Kapacitet i preopremljenost i premalo opremljenost
🔹 Jedinica 6: Mreže duboke povratne informacije
- Arhitektura neuronskih mreža
- Aktivacijske funkcije
- Univerzalna aproksimacija
- Dubina naspram širine
🔹 Jedinica 7: Regulacija za dubinsko učenje
- L1 i L2 Regulacija
- Ispadanje
- Rano zaustavljanje
- Povećanje podataka
🔹 Jedinica 8: Optimizacija za obuku dubinskih modela
- Varijante gradijentnog spuštanja
- Zamah
- Prilagodljive stope učenja
- Izazovi u optimizaciji
🔹 Jedinica 9: Konvolucijske mreže
- Konvolucijska operacija
- Objedinjavanje slojeva
- CNN arhitekture
- Aplikacije u Visionu
🔹 Jedinica 10: Modeliranje sekvenci: Rekurentne i rekurzivne mreže
- Rekurentne neuronske mreže
- Dugo kratkoročno pamćenje
- GRU
- Rekurzivne neuronske mreže
🔹 Jedinica 11: Praktična metodologija
- Ocjenjivanje učinka
- Strategije otklanjanja pogrešaka
- Optimizacija hiperparametara
- Prijenos učenja
🔹 Jedinica 12: Prijave
- Računalni vid
- Prepoznavanje govora
- Obrada prirodnog jezika
- Igranje igre
🔹 Jedinica 13: Duboki generativni modeli
- Autokoderi
- Varijacijski autokoderi
- Ograničeni Boltzmannovi strojevi
- Generativne kontradiktorne mreže
🔹 Jedinica 14: Modeli linearnih faktora
- PCA i faktorska analiza
- ICA
- Rijetko kodiranje
- Faktorizacija matrice
🔹 Jedinica 15: Autokoderi
- Osnovni autokoderi
- Denoising Autoenkoderi
- Kontraktivni autokoderi
- Varijacijski autokoderi
🔹 Jedinica 16: Učenje predstavljanja
- Distribuirani prikazi
- Mnogostruko učenje
- Mreže dubokih uvjerenja
- Tehnike prije treninga
🔹 Jedinica 17: Strukturirani probabilistički modeli za duboko učenje
- Usmjereni i neusmjereni grafički modeli
- Približno zaključivanje
- Učenje s latentnim varijablama
---
🌟 Zašto odabrati ovu aplikaciju?
- Pokriva kompletan nastavni plan dubinskog učenja u strukturiranom formatu s MCQ-ovima i kvizovima za vježbu.
- Pogodno za BS/CS, BS/IT, studente softverskog inženjerstva i programere.
- Gradi snažne temelje u rješavanju problema i profesionalnom programiranju.
---
✍ Ova je aplikacija inspirirana autorima:
Ian Goodfellow, Yoshua Bengio, Aaron Courville
📥 Preuzmite sada!
Nabavite izdanje Deep Learning Notes (2025–2026) danas! Učite, vježbajte i ovladajte konceptima dubinskog učenja na strukturiran, ispitu usmjeren i profesionalan način.