Bize Ulaşın

Eğitim İçeriği

Denetimli öğrenme: sınıflandırma ve regresyon

  • Python'da Makine Öğrenimi: scikit-learn API'ye giriş
    • doğrusal ve lojistik regresyon
    • destek vektör makineleri
    • sinir ağları
    • rastgele orman
  • scikit-learn kullanarak uçtan uca denetimli öğrenme hattının kurulması
    • veri dosyalarıyla çalışma
    • eksik değerlerin doldurulması
    • katgorik değişkenlerle başa çıkma
    • veri görselleştirme

Yapay zeka uygulamaları için Python çerçeveleri:

  • TensorFlow, Theano, Caffe ve Keras
  • Apache Spark ile ölçeklenebilir yapay zeka: Mlib

Gelişmiş sinir ağı mimarileri

  • görüntü analizi için evrişimli sinir ağları
  • zaman yapılandırılmış veriler için tekrarlayan sinir ağları
  • uzun kısa süreli hafıza hücresi

Denetimsiz öğrenme: kümeleme, anormallik tespiti

  • scikit-learn ile ana bileşen analizi uygulama
  • Keras'ta otokoderleyiciler uygulama

Yapay zekanın çözebileceği sorunların pratik örnekleri (Jupyter not defterleriyle uygulamalı alıştırılar), örneğin 

  • görüntü analizi
  • hisse senedi fiyatları gibi karmaşık finansal serilerin tahmini,
  • karmaşık kalıpları tanıma
  • doğal dil işleme
  • tavsiye sistemleri

Yapay zeka yöntemlerinin sınırlamalarını anlama: başarısızlık modları, maliyetler ve yaygın zorluklar

  • aşırı öğrenme
  • önyargı/yanlılık varyans ödünleşimi
  • gözlemsel verilerdeki yanlılık
  • sinir ağı zehirlenmesi

Uygulamalı proje çalışması (isteğe bağlı)

Kurs İçin Gerekli Önbilgiler

Bu kurşa katılmak için herhangi bir özel gereklilik bulunmamaktadır.

 28 Saatler

Katılımcı Sayısı


Katılımcı başına fiyat

Danışanlarımızın Yorumları (2)

Yaklaşan Etkinlikler

İlgili Kategoriler