انجام دو پروژه برنامه نویسی با پایتون

*** توجه توجه - به هیچ وجه پروژه ای که با ChatGpt انجام شود مورد قبول نیست و هیچ هزینه ای پرداخت نخواهد شد. توجه توجه *** با سلام توضیحات پروژه به شرح زیر است. درصورتی که امکان انجام پروژه براساس موارد خواسته شده را دارید. رزومه بفرستید:  فایل زیپ شده نهایی شامل گزارش کار و فایل کد پایتون با پسوند ipynb  توجه داشته باشید که در فایل ارسالی پایتون، خروجی هر سلول شامل نمودار، خروجی عددی و غیره حتما ذخیره شده و قابل مشاهده باشد.  الزامی به ارائه توضیح جزئیات کد در گزارش نیست، ولی باید نتایج بدست آمده را گزارش و تحلیل کنید. متن پروژه: مجموعه داده Fashion-mnist را در نظر بگیرید. این مجموعه داده تصویری با 10 کلاس مختلف ،شامل 60000 داده آموزشی و 10000 داده تست است. هر تصویر یک عکس سیاه-سفید 28 در 28 است که به یکی از 10 کلاس گفته شده تعلق دارد. در تصویر زیر چندین نمونه از هر کلاس آورده شده است. هدف از این پروژه ساخت یک شبکه Autoencoder با استفاده از dense layerها و سپس حل یک مسئله طبقه بندی است. بخش اول - قسمت الف معماری شبکه Autoencoder را مطابق شکل زیر پیاده سازی کنید. توابع Optimizer ،Activation و Cost را برای بدست آوردن نتایج مطلوب تر و به دلخواه خود در نظر بگیرید. همچنین میتوانید از Batch Normalizer و تکنیکهای regularization برای بهبود نتایج خود استفاده کنید. در گزارش کار، علت استفاده از هر یک از انتخاب های خود را توضیح دهید. این شبکه را برای epoch 50 آموزش دهید. - قسمت ب نمودارهای Loss Validation و Validation Accuracy ،Loss ،Accuracy را گزارش کنید. - قسمت ج به ازای هر کلاس در مجموعه داده، تصویر اصلی، تصویر لایه میانی و تصویر بازسازی شده توسط دیکدر را به فرم زیر گزارش نمایید (انتخاب به صورت رندوم). بخش دوم - قسمت الف با استفاده از فضای ویژگی 32 بعدی حاصل از Bottleneck شبکه بدست آمده از قسمت قبل، یک طبقه بند ساده با دو لایه مخفی طراحی کنید. طراحی پارامترها و هایپرپارامترها به عهده خودتان است. معماری طبقه بند خود را گزارش کنید. - قسمت ب نمودارهای Validation Accuracy ،Loss ،Accuracy و Loss Validation را در این طبقه بند گزارش کنید. پس از اتمام آموزش، صحت این طبقه بند را بر روی داده تست گزارش نمایید.