Deep Learning Notes
දැන්වීම් අඩංගුය
1+
බාගැනීම්
සියලුදෙනටාම
info
මෙම යෙදුම ගැන
📘 ගැඹුරු ඉගෙනුම් සටහන් (2025–2026 සංස්කරණය)
📚 ගැඹුරු ඉගෙනුම් සටහන් (2025-2026) සංස්කරණය විශ්ව විද්‍යාල සිසුන්, විද්‍යාල ඉගෙන ගන්නන්, මෘදුකාංග ඉංජිනේරු මේජර්වරුන් සහ අභිලාෂකාමී සංවර්ධකයින් සඳහා සකස් කරන ලද සම්පූර්ණ ශාස්ත්‍රීය හා ප්‍රායෝගික සම්පතකි. සම්පූර්ණ ගැඹුරු ඉගෙනුම් විෂය නිර්දේශය ව්‍යුහගත සහ ශිෂ්‍ය හිතකාමී ආකාරයෙන් ආවරණය කරමින්, මෙම සංස්කරණය ඉගෙනීම ඵලදායි සහ ආකර්ශනීය කිරීම සඳහා පුහුණුවීම් MCQ සහ ප්‍රශ්නාවලිය සමඟ සම්පූර්ණ විෂය මාලාවක් ඒකාබද්ධ කරයි.
මෙම යෙදුම ගැඹුරු ඉගෙනුම් සංකල්ප ප්‍රගුණ කිරීම සඳහා පියවරෙන් පියවර මාර්ගෝපදේශනයක් සපයයි, ක්‍රමලේඛනයේ මූලික කරුණු වලින් ආරම්භ වී සංක්‍රමණික ජාල, පුනරාවර්තන ස්නායුක ජාල සහ ව්‍යුහගත සම්භාවිතා ආකෘති වැනි උසස් මාතෘකා දක්වා ඉදිරියට යයි. සෑම ඒකකයක්ම අවබෝධය ශක්තිමත් කිරීම සහ අධ්‍යයන විභාග සහ වෘත්තීය සංවර්ධනය සඳහා සිසුන් සූදානම් කිරීම සඳහා පැහැදිලි කිරීම්, උදාහරණ සහ පුහුණු ප්‍රශ්න සමඟ ප්‍රවේශමෙන් නිර්මාණය කර ඇත.
---
🎯 ඉගෙනුම් ප්‍රතිඵල:
- මූලික සිට උසස් වැඩසටහන්කරණය දක්වා ගැඹුරු ඉගෙනුම් සංකල්ප තේරුම් ගන්න.
- ඒකක අනුව MCQ සහ ප්‍රශ්නාවලිය සමඟ දැනුම ශක්තිමත් කරන්න.
- ප්‍රායෝගික කේතීකරණ අත්දැකීමක් ලබා ගන්න.
- විශ්වවිද්‍යාල විභාග සහ තාක්ෂණික සම්මුඛ පරීක්ෂණ සඳහා ඵලදායී ලෙස සූදානම් වීම.
---
📂 ඒකක සහ මාතෘකා
🔹 ඒකකය 1: ගැඹුරු ඉගෙනීම හැඳින්වීම
- ගැඹුරු ඉගෙනීම යනු කුමක්ද?
- ඓතිහාසික ප්රවණතා
- ගැඹුරු ඉගෙනුම් සාර්ථක කතන්දර
🔹 ඒකකය 2: රේඛීය වීජ ගණිතය
- අදිශ, දෛශික, න්‍යාස සහ ටෙන්සර්
- Matrix ගුණ කිරීම
- අයිගන්ඩිසංයුති
- ප්රධාන සංරචක විශ්ලේෂණය
🔹 ඒකකය 3: සම්භාවිතාව සහ තොරතුරු න්‍යාය
- සම්භාවිතා බෙදාහැරීම්
- ආන්තික සහ කොන්දේසි සහිත සම්භාවිතාව
- බේස්ගේ රීතිය
- එන්ට්‍රොපි සහ KL Divergence
🔹 ඒකකය 4: සංඛ්‍යාත්මක ගණනය කිරීම
- පිටාර ගැලීම සහ යටින් ගලා යාම
- Gradient-Based Optimization
- සීමා සහිත ප්‍රශස්තකරණය
- ස්වයංක්‍රීය අවකලනය
🔹 ඒකකය 5: යන්ත්‍ර ඉගෙනීමේ මූලික කරුණු
- ඇල්ගොරිතම ඉගෙනීම
- ධාරිතාව සහ වැඩිපුර සවි කිරීම සහ අඩු සවි කිරීම
🔹 ඒකකය 6: ගැඹුරු පෝෂක ජාල
- ස්නායුක ජාල වල ගෘහ නිර්මාණ ශිල්පය
- සක්රිය කිරීමේ කාර්යයන්
- විශ්වීය ආසන්නකරණය
- ගැඹුර එදිරිව පළල
🔹 ඒකකය 7: ගැඹුරු ඉගෙනීම සඳහා විධිමත් කිරීම
- L1 සහ L2 විධිමත් කිරීම
- හැර යන්න
- කලින් නැවැත්වීම
- දත්ත වැඩි දියුණු කිරීම
🔹 ඒකකය 8: ගැඹුරු ආකෘති පුහුණු කිරීම සඳහා ප්‍රශස්තකරණය
- Gradient Descent ප්‍රභේද
- ගම්‍යතාවය
- අනුවර්තන ඉගෙනුම් අනුපාත
- ප්‍රශස්තකරණයේ අභියෝග
🔹 ඒකකය 9: Convolutional Networks
- Convolution මෙහෙයුම
- සංචිත ස්ථර
- CNN ගෘහ නිර්මාණ ශිල්පය
- දැක්ම තුළ යෙදුම්
🔹 ඒකකය 10: අනුපිළිවෙල ආකෘති නිර්මාණය: පුනරාවර්තන සහ පුනරාවර්තන දැල්
- පුනරාවර්තන ස්නායුක ජාල
- දිගු කෙටි කාලීන මතකය
- GRU
- පුනරාවර්තන ස්නායුක ජාල
🔹 ඒකකය 11: ප්‍රායෝගික ක්‍රමවේදය
- කාර්ය සාධනය ඇගයීම
- දෝශ නිරාකරණ උපාය මාර්ග
- අධි පරාමිති ප්‍රශස්තකරණය
- මාරු ඉගෙනීම
🔹 ඒකකය 12: අයදුම්පත්
- පරිගණක දැක්ම
- කථන හඳුනාගැනීම
- ස්වභාවික භාෂා සැකසීම
- ක්‍රීඩා කිරීම
🔹 ඒකකය 13: ගැඹුරු උත්පාදක ආකෘති
- ස්වයංක්‍රීය කේතක
- විචල්‍ය ස්වයං කේතක
- සීමා සහිත Boltzmann යන්ත්‍ර
- උත්පාදක විරුද්ධවාදී ජාල
🔹 ඒකකය 14: රේඛීය සාධක ආකෘති
- PCA සහ සාධක විශ්ලේෂණය
- ICA
- විරල කේතීකරණය
- Matrix Factorization
🔹 ඒකකය 15: ස්වයංක්‍රීය කේතක
- මූලික ස්වයං සංකේත
- Denoising Autoencoders
- කොන්ත්‍රාත් ස්වයං කේතක
- විචල්‍ය ස්වයං කේතක
🔹 ඒකකය 16: නියෝජනය ඉගෙනීම
- බෙදා හරින ලද නියෝජන
- බහුවිධ ඉගෙනීම
- ගැඹුරු විශ්වාස ජාල
- පූර්ව පුහුණු ශිල්පීය ක්රම
🔹 ඒකකය 17: ගැඹුරු ඉගෙනීම සඳහා ව්‍යුහගත සම්භාවිතා ආකෘති
- අධ්‍යක්ෂණය කරන ලද සහ යොමු නොකළ චිත්‍රක ආකෘති
- ආසන්න අනුමාන
- ගුප්ත විචල්‍යයන් සමඟ ඉගෙනීම
---
🌟 මෙම යෙදුම තෝරා ගන්නේ ඇයි?
- සම්පූර්ණ ගැඹුරු ඉගෙනුම් විෂය නිර්දේශය ව්‍යුහගත ආකෘතියකින් MCQ සහ ප්‍රායෝගිකව සඳහා ප්‍රශ්නාවලිය ආවරණය කරයි.
- BS/CS, BS/IT, මෘදුකාංග ඉංජිනේරු සිසුන් සහ සංවර්ධකයින් සඳහා සුදුසු වේ.
- ගැටළු විසඳීමේ සහ වෘත්තීය වැඩසටහන්කරණයේ ශක්තිමත් පදනම් ගොඩනඟයි.
---
✍ මෙම යෙදුම කතුවරුන් විසින් ආභාෂය ලබා ඇත:
Ian Goodfellow, Yoshua Bengio, Aaron Courville
📥 දැන් බාගන්න!
ඔබගේ ගැඹුරු ඉගෙනුම් සටහන් (2025–2026) සංස්කරණය අදම ලබා ගන්න! ව්‍යුහගත, විභාග-නැඹුරු සහ වෘත්තීය ආකාරයෙන් ගැඹුරු ඉගෙනුම් සංකල්ප ඉගෙන ගන්න, පුහුණු වන්න, සහ ප්‍රගුණ කරන්න.
📚 ගැඹුරු ඉගෙනුම් සටහන් (2025-2026) සංස්කරණය විශ්ව විද්‍යාල සිසුන්, විද්‍යාල ඉගෙන ගන්නන්, මෘදුකාංග ඉංජිනේරු මේජර්වරුන් සහ අභිලාෂකාමී සංවර්ධකයින් සඳහා සකස් කරන ලද සම්පූර්ණ ශාස්ත්‍රීය හා ප්‍රායෝගික සම්පතකි. සම්පූර්ණ ගැඹුරු ඉගෙනුම් විෂය නිර්දේශය ව්‍යුහගත සහ ශිෂ්‍ය හිතකාමී ආකාරයෙන් ආවරණය කරමින්, මෙම සංස්කරණය ඉගෙනීම ඵලදායි සහ ආකර්ශනීය කිරීම සඳහා පුහුණුවීම් MCQ සහ ප්‍රශ්නාවලිය සමඟ සම්පූර්ණ විෂය මාලාවක් ඒකාබද්ධ කරයි.
මෙම යෙදුම ගැඹුරු ඉගෙනුම් සංකල්ප ප්‍රගුණ කිරීම සඳහා පියවරෙන් පියවර මාර්ගෝපදේශනයක් සපයයි, ක්‍රමලේඛනයේ මූලික කරුණු වලින් ආරම්භ වී සංක්‍රමණික ජාල, පුනරාවර්තන ස්නායුක ජාල සහ ව්‍යුහගත සම්භාවිතා ආකෘති වැනි උසස් මාතෘකා දක්වා ඉදිරියට යයි. සෑම ඒකකයක්ම අවබෝධය ශක්තිමත් කිරීම සහ අධ්‍යයන විභාග සහ වෘත්තීය සංවර්ධනය සඳහා සිසුන් සූදානම් කිරීම සඳහා පැහැදිලි කිරීම්, උදාහරණ සහ පුහුණු ප්‍රශ්න සමඟ ප්‍රවේශමෙන් නිර්මාණය කර ඇත.
---
🎯 ඉගෙනුම් ප්‍රතිඵල:
- මූලික සිට උසස් වැඩසටහන්කරණය දක්වා ගැඹුරු ඉගෙනුම් සංකල්ප තේරුම් ගන්න.
- ඒකක අනුව MCQ සහ ප්‍රශ්නාවලිය සමඟ දැනුම ශක්තිමත් කරන්න.
- ප්‍රායෝගික කේතීකරණ අත්දැකීමක් ලබා ගන්න.
- විශ්වවිද්‍යාල විභාග සහ තාක්ෂණික සම්මුඛ පරීක්ෂණ සඳහා ඵලදායී ලෙස සූදානම් වීම.
---
📂 ඒකක සහ මාතෘකා
🔹 ඒකකය 1: ගැඹුරු ඉගෙනීම හැඳින්වීම
- ගැඹුරු ඉගෙනීම යනු කුමක්ද?
- ඓතිහාසික ප්රවණතා
- ගැඹුරු ඉගෙනුම් සාර්ථක කතන්දර
🔹 ඒකකය 2: රේඛීය වීජ ගණිතය
- අදිශ, දෛශික, න්‍යාස සහ ටෙන්සර්
- Matrix ගුණ කිරීම
- අයිගන්ඩිසංයුති
- ප්රධාන සංරචක විශ්ලේෂණය
🔹 ඒකකය 3: සම්භාවිතාව සහ තොරතුරු න්‍යාය
- සම්භාවිතා බෙදාහැරීම්
- ආන්තික සහ කොන්දේසි සහිත සම්භාවිතාව
- බේස්ගේ රීතිය
- එන්ට්‍රොපි සහ KL Divergence
🔹 ඒකකය 4: සංඛ්‍යාත්මක ගණනය කිරීම
- පිටාර ගැලීම සහ යටින් ගලා යාම
- Gradient-Based Optimization
- සීමා සහිත ප්‍රශස්තකරණය
- ස්වයංක්‍රීය අවකලනය
🔹 ඒකකය 5: යන්ත්‍ර ඉගෙනීමේ මූලික කරුණු
- ඇල්ගොරිතම ඉගෙනීම
- ධාරිතාව සහ වැඩිපුර සවි කිරීම සහ අඩු සවි කිරීම
🔹 ඒකකය 6: ගැඹුරු පෝෂක ජාල
- ස්නායුක ජාල වල ගෘහ නිර්මාණ ශිල්පය
- සක්රිය කිරීමේ කාර්යයන්
- විශ්වීය ආසන්නකරණය
- ගැඹුර එදිරිව පළල
🔹 ඒකකය 7: ගැඹුරු ඉගෙනීම සඳහා විධිමත් කිරීම
- L1 සහ L2 විධිමත් කිරීම
- හැර යන්න
- කලින් නැවැත්වීම
- දත්ත වැඩි දියුණු කිරීම
🔹 ඒකකය 8: ගැඹුරු ආකෘති පුහුණු කිරීම සඳහා ප්‍රශස්තකරණය
- Gradient Descent ප්‍රභේද
- ගම්‍යතාවය
- අනුවර්තන ඉගෙනුම් අනුපාත
- ප්‍රශස්තකරණයේ අභියෝග
🔹 ඒකකය 9: Convolutional Networks
- Convolution මෙහෙයුම
- සංචිත ස්ථර
- CNN ගෘහ නිර්මාණ ශිල්පය
- දැක්ම තුළ යෙදුම්
🔹 ඒකකය 10: අනුපිළිවෙල ආකෘති නිර්මාණය: පුනරාවර්තන සහ පුනරාවර්තන දැල්
- පුනරාවර්තන ස්නායුක ජාල
- දිගු කෙටි කාලීන මතකය
- GRU
- පුනරාවර්තන ස්නායුක ජාල
🔹 ඒකකය 11: ප්‍රායෝගික ක්‍රමවේදය
- කාර්ය සාධනය ඇගයීම
- දෝශ නිරාකරණ උපාය මාර්ග
- අධි පරාමිති ප්‍රශස්තකරණය
- මාරු ඉගෙනීම
🔹 ඒකකය 12: අයදුම්පත්
- පරිගණක දැක්ම
- කථන හඳුනාගැනීම
- ස්වභාවික භාෂා සැකසීම
- ක්‍රීඩා කිරීම
🔹 ඒකකය 13: ගැඹුරු උත්පාදක ආකෘති
- ස්වයංක්‍රීය කේතක
- විචල්‍ය ස්වයං කේතක
- සීමා සහිත Boltzmann යන්ත්‍ර
- උත්පාදක විරුද්ධවාදී ජාල
🔹 ඒකකය 14: රේඛීය සාධක ආකෘති
- PCA සහ සාධක විශ්ලේෂණය
- ICA
- විරල කේතීකරණය
- Matrix Factorization
🔹 ඒකකය 15: ස්වයංක්‍රීය කේතක
- මූලික ස්වයං සංකේත
- Denoising Autoencoders
- කොන්ත්‍රාත් ස්වයං කේතක
- විචල්‍ය ස්වයං කේතක
🔹 ඒකකය 16: නියෝජනය ඉගෙනීම
- බෙදා හරින ලද නියෝජන
- බහුවිධ ඉගෙනීම
- ගැඹුරු විශ්වාස ජාල
- පූර්ව පුහුණු ශිල්පීය ක්රම
🔹 ඒකකය 17: ගැඹුරු ඉගෙනීම සඳහා ව්‍යුහගත සම්භාවිතා ආකෘති
- අධ්‍යක්ෂණය කරන ලද සහ යොමු නොකළ චිත්‍රක ආකෘති
- ආසන්න අනුමාන
- ගුප්ත විචල්‍යයන් සමඟ ඉගෙනීම
---
🌟 මෙම යෙදුම තෝරා ගන්නේ ඇයි?
- සම්පූර්ණ ගැඹුරු ඉගෙනුම් විෂය නිර්දේශය ව්‍යුහගත ආකෘතියකින් MCQ සහ ප්‍රායෝගිකව සඳහා ප්‍රශ්නාවලිය ආවරණය කරයි.
- BS/CS, BS/IT, මෘදුකාංග ඉංජිනේරු සිසුන් සහ සංවර්ධකයින් සඳහා සුදුසු වේ.
- ගැටළු විසඳීමේ සහ වෘත්තීය වැඩසටහන්කරණයේ ශක්තිමත් පදනම් ගොඩනඟයි.
---
✍ මෙම යෙදුම කතුවරුන් විසින් ආභාෂය ලබා ඇත:
Ian Goodfellow, Yoshua Bengio, Aaron Courville
📥 දැන් බාගන්න!
ඔබගේ ගැඹුරු ඉගෙනුම් සටහන් (2025–2026) සංස්කරණය අදම ලබා ගන්න! ව්‍යුහගත, විභාග-නැඹුරු සහ වෘත්තීය ආකාරයෙන් ගැඹුරු ඉගෙනුම් සංකල්ප ඉගෙන ගන්න, පුහුණු වන්න, සහ ප්‍රගුණ කරන්න.
යාවත්කාලීන කළේ
ආරක්ෂාව ඇරඹෙනුයේ සංවර්ධකයන් ඔබේ දත්ත රැස් කර බෙදා ගන්නා ආකාරය අනුවය. දත්ත රහස්‍යතා හා ආරක්ෂා පරිචයන් ඔබේ භාවිතය, කලාපය හා වයස අනුව වෙනස් විය හැක. සංවර්ධකයා විසින් මෙම තොරතුරු සැපයූ අතර කලින් කලට ඒවා යාවත්කාලීන කරනු ලැබිය හැක.
තෙවැනි පාර්ශ්වයන් සමග කිසිදු දත්තයක් බෙදා ගනු නොලැබේ
වැඩි විස්තර දැනගන්න සංවර්ධකයන් බෙදා ගැනීම ප්‍රකාශ කරන ආකාරය ගැන
කිසිදු දත්තයක් රැස් කරනු නොලැබේ
වැඩි විස්තර දැනගන්න සංවර්ධකයන් එකතුව ප්‍රකාශ කරන ආකාරය ගැන
ගමනාගමනයෙහි දත්ත සංකේතනය කරන ලදී
දත්ත මැකිය නොහැක
අලුත් මොනවාද
🚀 Initial Launch of Deep Learning Notes
✨ What’s Inside:
✅ Complete syllabus covering deep learning fundamentals
✅ Interactive MCQs & quizzes for self-assessment
✅ Perfect for students & developers who want to master the subject
🎯 Suitable For:
👩🎓 Students of BSCS, BSIT, Software Engineering & ICS
📘 University & college exams (CS/IT related subjects)
🏆 Test prep for certifications & technical assessments
💻 Beginners aiming for freelancing & entry-level developer jobs
✨ What’s Inside:
✅ Complete syllabus covering deep learning fundamentals
✅ Interactive MCQs & quizzes for self-assessment
✅ Perfect for students & developers who want to master the subject
🎯 Suitable For:
👩🎓 Students of BSCS, BSIT, Software Engineering & ICS
📘 University & college exams (CS/IT related subjects)
🏆 Test prep for certifications & technical assessments
💻 Beginners aiming for freelancing & entry-level developer jobs
යෙදුම් සහය
සංවර්ධක පිළිබඳව
kamran Ahmed
kamahm707@gmail.com
Sheer Orah Post Office, Sheer Hafizabad, Pallandri, District Sudhnoti
Pallandri AJK, 12010
Pakistan
undefined
