Building a Neural Network from Zero 2025-3 2026

Building a Neural Network from Zero 2025-3 is a comprehensive, hands-on course designed to take you from the fundamentals to advanced, real-world mastery of network. Whether you are just starting out or looking to level up, this course gives you the structured path and practical projects you need to succeed.

Throughout the lessons you will build genuine confidence with network and neural, learning through clear explanations and step-by-step examples you can apply immediately. Below you will find everything the course covers, who it is for, and a full breakdown of the curriculum before you download.

Course Description

دوره Building a Neural Network from Zero. این دوره آموزشی چگونگی ساخت و آموزش یک شبکه عصبی کامل را از پایه و بدون استفاده از کتابخانه‌های از پیش نوشته شده ارائه می‌دهد تا درک کاملی از مکانیسم‌های درونی آن‌ها ایجاد کند. این دوره برای افرادی طراحی شده که قصد دارند دانش خود در مورد شبکه‌های عصبی را ارتقا داده و فراتر از کاربرد ساده کتابخانه‌ها، به درک اساسی از چگونگی عملکرد هر جزء برسند. در این دوره کاربردی، یک چارچوب شبیه به پای تورچ به صورت دستی ایجاد می‌شود تا شرکت‌کنندگان بتوانند شبکه‌های عصبی را بسازند، آموزش دهند و ارزیابی کنند. فرآیند یادگیری با اصول اولیه مانند مشتق‌گیری عددی و الگوریتم گرادیان کاهشی آغاز می‌شود و به تدریج یک حلقه آموزشی کامل توسعه می‌یابد. در پایان دوره، شرکت‌کنندگان درک جامعی از فرآیند یادگیری شبکه‌های عصبی به دست می‌آورند و دانش خود را با به کارگیری شبکه طراحی شده خود در یک پروژه عملی طبقه‌بندی مجموعه داده فشن-ام‌ان‌ای‌اس تثبیت می‌کنند. این دوره برای مهندسان یادگیری ماشین و برنامه‌نویسانی که به دنبال کسب دانش پایه و تجربه عملی برای ساخت و شخصی‌سازی شبکه‌های عصبی از ابتدا هستند، مناسب می‌باشد.

What You Will Learn

پیاده‌سازی شبکه عصبی از پایه:
پیاده‌سازی شبکه‌های عصبی از صفر، شامل انتشار رو به جلو (Forward Propagation) و انتشار رو به عقب (Backward Propagation).
تسلط بر بهینه‌سازی:
تسلط بر گرادیان کاهشی (Gradient Descent)، SGD با مومنتوم (SGD with Momentum) و سایر تکنیک‌های بهینه‌سازی (Optimization Techniques).
ساخت اجزای سفارشی:
ساخت لایه‌های سفارشی، توابع فعال‌سازی (Activation Functions) و توابع زیان (Loss Functions) بدون استفاده از کتابخانه‌های خارجی.
کاربردهای عملی:
اعمال شبکه عصبی سفارشی برای حل چالش طبقه‌بندی Fashion-MNIST.
مفاهیم هسته‌ای:
مشتق‌گیری عددی و سه روش برای محاسبه گرادیان‌ها.
گرادیان کاهشی در فضاهای ۲ بعدی و چند بعدی.
پیاده‌سازی زیان کراس-انتروپی (Cross-Entropy Loss) و توابع فعال‌سازی مانند Sigmoid.
مقداردهی اولیه وزن‌های شبکه عصبی با استفاده از روش‌های He و Xavier.
ساخت یک شبکه عصبی پیشخور (FFNN – Feedforward Neural Network) کاملاً کاربردی از صفر.

Who This Course Is For

مبتدیانی که می‌خواهند نحوه عملکرد شبکه‌های عصبی را در زیرساخت شبکه درک کنند.
علاقه‌مندان به یادگیری ماشین که به دنبال تعمیق دانش خود از طریق پیاده‌سازی عملی هستند.
توسعه‌دهندگانی که می‌خواهند مدل‌های شبکه عصبی سفارشی را از پایه بسازند.
دانشجویان و متخصصانی که به دنبال تقویت درک خود از مفاهیم اصلی یادگیری عمیق (Deep-Learning) هستند.