š BiljeÅ”ke o dubokom uÄenju (izdanje 2025. ā 2026.)
š Izdanje Deep Learning Notes (2025. ā 2026.) kompletan je akademski i praktiÄni resurs prilagoÄen studentima sveuÄiliÅ”ta, studentima, studentima softverskog inženjerstva i ambicioznim programerima. PokrivajuÄi cijeli nastavni plan i program dubokog uÄenja na strukturiran naÄin prilagoÄen studentima, ovo izdanje kombinira potpuni nastavni plan i program s praktiÄnim MCQ-ovima i kvizovima kako bi uÄenje bilo uÄinkovito i zanimljivo.
Ova aplikacija pruža vodiÄ korak po korak za svladavanje koncepata dubokog uÄenja, poÄevÅ”i od osnova programiranja i napredujuÄi do naprednih tema kao Å”to su konvolucijske mreže, rekurentne neuronske mreže i strukturirani probabilistiÄki modeli. Svaka je jedinica pažljivo osmiÅ”ljena s objaÅ”njenjima, primjerima i pitanjima za vježbu kako bi se ojaÄalo razumijevanje i pripremili studenti za akademske ispite i profesionalni razvoj.
---
šÆ Ishodi uÄenja:
- Razumjeti koncepte dubokog uÄenja od osnova do naprednog programiranja.
- UÄvrstite znanje MCQ-ovima i kvizovima za pojedinaÄne jedinice.
- Steknite praktiÄno iskustvo kodiranja.
- UÄinkovito se pripremite za sveuÄiliÅ”ne ispite i tehniÄke intervjue.
---
š Jedinice i teme
š¹ Jedinica 1: Uvod u dubinsko uÄenje
- Å to je duboko uÄenje?
- Povijesni trendovi
- PriÄe o uspjehu dubokog uÄenja
š¹ Jedinica 2: Linearna algebra
- Skalari, vektori, matrice i tenzori
- Množenje matrice
- Vlastita dekompozicija
- Analiza glavnih komponenti
š¹ Jedinica 3: Teorija vjerojatnosti i informacija
- Distribucije vjerojatnosti
- GraniÄna i uvjetna vjerojatnost
- Bayesovo pravilo
- Entropija i KL divergencija
š¹ Jedinica 4: NumeriÄko raÄunanje
- Preljev i donji preljev
- Optimizacija temeljena na gradijentima
- OgraniÄena optimizacija
- Automatsko razlikovanje
š¹ Jedinica 5: Osnove strojnog uÄenja
- UÄenje algoritama
- Kapacitet i preopremljenost i premalo opremljenost
š¹ Jedinica 6: Mreže duboke povratne informacije
- Arhitektura neuronskih mreža
- Aktivacijske funkcije
- Univerzalna aproksimacija
- Dubina naspram Ŕirine
š¹ Jedinica 7: Regulacija za dubinsko uÄenje
- L1 i L2 Regulacija
- Ispadanje
- Rano zaustavljanje
- PoveÄanje podataka
š¹ Jedinica 8: Optimizacija za obuku dubinskih modela
- Varijante gradijentnog spuŔtanja
- Zamah
- Prilagodljive stope uÄenja
- Izazovi u optimizaciji
š¹ Jedinica 9: Konvolucijske mreže
- Konvolucijska operacija
- Objedinjavanje slojeva
- CNN arhitekture
- Aplikacije u Visionu
š¹ Jedinica 10: Modeliranje sekvenci: Rekurentne i rekurzivne mreže
- Rekurentne neuronske mreže
- Dugo kratkoroÄno pamÄenje
- GRU
- Rekurzivne neuronske mreže
š¹ Jedinica 11: PraktiÄna metodologija
- Ocjenjivanje uÄinka
- Strategije otklanjanja pogreŔaka
- Optimizacija hiperparametara
- Prijenos uÄenja
š¹ Jedinica 12: Prijave
- RaÄunalni vid
- Prepoznavanje govora
- Obrada prirodnog jezika
- Igranje igre
š¹ Jedinica 13: Duboki generativni modeli
- Autokoderi
- Varijacijski autokoderi
- OgraniÄeni Boltzmannovi strojevi
- Generativne kontradiktorne mreže
š¹ Jedinica 14: Modeli linearnih faktora
- PCA i faktorska analiza
- ICA
- Rijetko kodiranje
- Faktorizacija matrice
š¹ Jedinica 15: Autokoderi
- Osnovni autokoderi
- Denoising Autoenkoderi
- Kontraktivni autokoderi
- Varijacijski autokoderi
š¹ Jedinica 16: UÄenje predstavljanja
- Distribuirani prikazi
- Mnogostruko uÄenje
- Mreže dubokih uvjerenja
- Tehnike prije treninga
š¹ Jedinica 17: Strukturirani probabilistiÄki modeli za duboko uÄenje
- Usmjereni i neusmjereni grafiÄki modeli
- Približno zakljuÄivanje
- UÄenje s latentnim varijablama
---
š ZaÅ”to odabrati ovu aplikaciju?
- Pokriva kompletan nastavni plan dubinskog uÄenja 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 rjeŔavanju problema i profesionalnom programiranju.
---
ā Ova je aplikacija inspirirana autorima:
Ian Goodfellow, Yoshua Bengio, Aaron Courville
š„ Preuzmite sada!
Nabavite izdanje Deep Learning Notes (2025ā2026) danas! UÄite, vježbajte i ovladajte konceptima dubinskog uÄenja na strukturiran, ispitu usmjeren i profesionalanĀ naÄin.