| 1362. 2.1.1 مفهوم السمات العملية للتعلم العميق |
| 1363. 2.1.2 التنوع و الإنحراف - الجزء الأول |
| 1364. 2.1.3 التنوع و الإنحراف - الجزء الثاني |
| 1365. 2.1.4 تنعيم البيانات |
| 1366. 2.1.5 فكرة حذف الخلايا dropout - الجزء الأول |
| 1367. 2.1.6 فكرة حذف الخلايا dropout - الجزء الثاني |
| 1368. 2.1.7 تشويه البيانات - التوقف المبكر |
| 1369. 2.1.8 تضخم و تضائل الإشتقاقات |
| 1370. 2.1.9 الفحص التدريجي |
| 1371. 2.2.1 الحصول علي القيم المثالية |
| 1372. 2.2.2 فكرة الاوبتيمايزاشن |
| 1373. 2.2.3 فكرة الميني باتش Mini-Batch Gradient Descent |
| 1374. 2.2.4 المتوسطات الأسية Exponentially Weighted Averages |
| 1375. 2.2.5 تذبذب المتوسطات الأسية |
| 1376. 2.2.6 الإشتقاق باستخدام الجذر التربيعي RMS Prop |
| 1377. 2.2.7 مقدار معامل التدريب Learning Rate |
| 1378. 2.2.8 نقطة السرج Saddle Point |
| 1379. 2.3.1 ضبط قيم الشبكات العميقة |
| 1380. 2.3.2 فكرة Cross Fertilization |
| 1381. 2.3.3 تسوية البيانات Data Normalization |
| 1382. 2.3.4 تعميم دالة الأكتيفاشن |
| 1383. 2.3.5 التسوية الجماعية Batch Norm |
| 1384. 2.3.6 أداة السوفت ماكس Softmax Classifier - الجزء الأول |
| 1385. 2.3.7 أداة السوفت ماكس Softmax Classifier - الجزء الثاني |