Bizi tercih ettiğiniz için teşekkür ederiz. Ekip üyelerimiz en kısa sürede sizlerle iletişime geçecektir.
Rezervasyonunuzu gönderdiğiniz için teşekkür ederiz! Ekibimizden bir yetkili kısa süre içinde sizinle iletişime geçecektir.
Eğitim İçeriği
Derin Öğrenmeye Giriş
- Derin öğrenme nedir ve geleneksel makine öğreniminden nasıl farklıdır
- Bilgisayarlı görü, NLP ve daha fazlasında gerçek dünya uygulamaları
- Derin öğrenme ekosistemi: TensorFlow 2.x, Keras, PyTorch genel bakış
- GPU hızlandırılmış geliştirme ortamı kurulumu
Derin Öğrenmenin Mekanikleri
- Yapay nöronlar, aktivasyon fonksiyonları ve ağ katmanları
- İleri yayılım ve tahminlerin hesaplanması
- Sınıflandırma ve regresyon görevleri için kayıp fonksiyonları
- Gradient descent optimizasyonu ve geri yayılım (backpropagation)
- MNIST veri kümesinde ilk sinir ağını eğitim
Bilgisayarlı Görü İçin Derinlemesine Öğrenme Ağları
- Convolution, filtreler ve özellik haritalarını anlama
- Pooling katmanları ve boyut indirgeme
- CNN mimarileri: LeNet, VGG ve ResNet kavramları
- Görüntü sınıflandırması için CNN oluşturma ve eğitme
- Öğrenilen özellikleri ve ara aktivasyonları görselleştirme
Veri Artırma ve Model Doğruluğunu İyileştirme
- Neden veri artırma ezberlemeyi (overfitting) önler ve genelleştirmeyi iyileştirir
- Görüntü dönüşümleri: döndürme, çevirme, yakınlaştırma ve kırpma
- Keras önişleme katmanlarıyla artırma boru hatlarını uygulama
- Dropout, toplu normalizasyon (batch normalization) ve diğer düzenlileştirme teknikleri
- Doğrulama metrikleri ve erken durdurma ile eğitim izleme
Önceden Eğitilmiş Modüllerle Transfer Öğrenme
- Transfer öğrenmeyi anlama ve neden işe yaradığını kavrama
- Keras Uygulamalarından önceden eğitilmiş modelleri yükleme (ResNet, EfficientNet, MobileNet)
- Özellik çıkarma: temel katmanları dondurma ve yeni sınıflandırıcıları eğitme
- İnce ayar: alan adaptasyonu için katmanları seçici olarak dondurmayı kaldırma
- Sınırlı eğitim verisiyle yüksek doğruluk elde etme
Rekürrent Ağlar ve Seri Modelleme
- Seri verilere ve zamansal bağımlılıklara giriş
- Rekürrent sinir ağları (RNN'ler) ve kaybolan gradient problemi
- Uzun menzilli bağımlılıklar için LSTM ve GRU hücreleri
- Karakter düzeyinde metin üretme modeli eğitme
- Sözcük gömme (word embeddings) ve Keras'ta Embedding katmanı
Doğal Dil İşleme Temelleri
- Metin önişleme: tokenizasyon, doldurma (padding) ve sözlük oluşturma
- RNN'ler ve LSTM'ler ile metin sınıflandırıcı oluşturma
- Makine çevirisi kavramları için seri-ye-seri (sequence-to-sequence) modeller
- Dikkat mekanizmaları (attention mechanisms) ve modern NLP'deki rolleri
- TensorFlow 2.x metin işleme API'leri ile pratik NLP
Final Projesi: Görüntü Altyazı Oluşturma
- Çok modlu bir mimaride bilgisayarlı görü ve NLP'nin birleştirilmesi
- Önceden eğitilmiş bir CNN kodlayıcısı ile görüntü özelliklerinin çıkarılması
- Altyazı üretimi için LSTM tabanlı bir çözücü oluşturma
- Keras fonksiyonel API'sinde birden fazla girdi katmanının yönetimi
- Son nokta-başına (end-to-end) altyazı boru hattını eğitme ve değerlendirme
Sonraki Adımlar ve Kaynaklar
- TensorFlow Serving ile eğitilmiş modelleri dağıtma
- Dönüştürücü mimarilerini (transformer architectures) ve büyük dil modellerini keşfetme
- NVIDIA DLI gelişmiş atölye çalışmaları ve sertifikasyon yolları
- Topluluk kaynakları, veri kümeleri ve proje fikirleri
Kurs İçin Gerekli Önbilgiler
- Python programlamada temel yeterlilik (fonksiyonlar, döngüler, sözlükler, diziler)
- Değişkenler, koşullar ve veri yapıları gibi programlama kavramlarına aşinalık
- Önceden derin öğrenme veya makine öğrenimi deneyimi gerekmez
Hedef Kitle
- Yapay zeka ve makine öğrenimine geçiş yapan yazılım geliştiriciler ve mühendisler
- Derin öğrenme becerileri arayan veri analistleri ve veri bilimciler
- Sinir ağ modellerini anlamak ve uygulamak isteyen teknik profesyoneller
- Derin öğrenme yolculuğuna başlayan öğrenciler ve araştırmacılar
8 Saatler
Danışanlarımızın Yorumları (2)
Eğitim organize edilmiş ve iyi planlanmış oldu ve bu eğitimden sistematik bilgi edinmiş ve incelediğimiz konulara iyi bir bakışla ayrıldım.
Magdalena - Samsung Electronics Polska Sp. z o.o.
Eğitim - Deep Learning with TensorFlow 2
Yapay Zeka Çevirisi
Gerçekten, CHAT GPT ile oynamak için ayırdığımız zamanı çok beğendim. Bu etkinlik için odanın düzeni en ideal değildi - büyük bir masa yerine, küçük gruplara ayrılıp fikir üretmeye yardımcı olacak birkaç küçük masa olması daha iyi olurdu.
Nola - Laramie County Community College
Eğitim - Artificial Intelligence (AI) Overview
Yapay Zeka Çevirisi
