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
Uygulamalı Öğrenmeye Giriş Machine Learning
- İstatistiksel öğrenme ve Makine öğrenmesi
- İterasyon ve değerlendirme
- Yanlılık-Varyans dengesi
- Denetimli ve Unsupervised Learning
- Machine Learning ile çözülen problemler
- Aşırı öğrenmeyi önlemek için Eğitim Doğrulama Test – ML iş akışı
- Machine Learning İş akışı
- Makine öğrenmesi algoritmaları
- Probleme uygun algoritma seçimi
Algoritma Değerlendirmesi
- Sayısal tahminleri değerlendirme
- Doğruluk ölçüleri: ME, MSE, RMSE, MAPE
- Parametre ve tahmin kararlılığı
- Sınıflandırma algoritmalarını değerlendirme
- Doğruluk ve problemleri
- Karmaşıklık matrisi
- Dengesiz sınıflar problemi
- Model performansını görselleştirme
- Kâr eğrisi
- ROC eğrisi
- Kaldırma eğrisi
- Model seçimi
- Model ayarlaması – ızgara arama stratejileri
Modelleme için Veri Hazırlığı
- Veri içe aktarma ve depolama
- Veriyi anlama – temel keşifler
- Pandas kütüphanesi ile veri manipülasyonları
- Veri dönüşümleri – Veri düzenleme
- Keşifsel analiz
- Eksik gözlemler – algılama ve çözümler
- Ayırıcı değerler – algılama ve stratejiler
- Standartlaştırma, normalleştirme, ikilileştirme
- Niteliksel veri yeniden kodlama
Ayırıcı Değer Tespiti için Makine Öğrenmesi Algoritmaları
- Denetimli algoritmalar
- KNN
- Ensemble Gradient Boosting
- SVM
- Denetimsiz algoritmalar
- Mesafeye dayalı
- Yoğunluğa dayalı yöntemler
- Olasılıksal yöntemler
- Modele dayalı yöntemler
Deep Learning'i Anlamak
- Deep Learning'in Temel Kavramlarına Genel Bakış
- Machine Learning ve Deep Learning Arasındaki Farkları Ayırt Etme
- Deep Learning Uygulamalarına Genel Bakış
Neural Networks'a Genel Bakış
- Neural Networks Nedir?
- Neural Networks ve Regresyon Modelleri
- Mathematica Temellerini ve Öğrenme Mekanizmalarını Anlama
- Yapay Sinir Ağı Oluşturma
- Sinirsel Düğümleri ve Bağlantıları Anlama
- Nöronlar, Katmanlar ve Giriş ve Çıkış Verileri ile Çalışma
- Tek Katmanlı Algılayıcıları Anlama
- Denetimli ve Unsupervised Learning Arasındaki Farklar
- İleri Beslemeli ve Geri Beslemeli Neural Networks'yı Öğrenme
- İleri Yayılım ve Geri Yayılımı Anlama
Keras ile Basit Deep Learning Modeller Oluşturma
- Keras Modeli Oluşturma
- Verinizi Anlama
- Deep Learning Modelinizi Belirleme
- Modelinizi Derleme
- Modelinizi Uyarlama
- Sınıflandırma Verilerinizle Çalışma
- Sınıflandırma Modelleriyle Çalışma
- Modellerinizi Kullanma
Deep Learning için TensorFlow ile Çalışma
- Veriyi Hazırlama
- Veriyi İndirme
- Eğitim Verisi Hazırlama
- Test Verisi Hazırlama
- Girdileri Ölçeklendirme
- Yer Tutucuları ve Değişkenleri Kullanma
- Ağ Mimarisini Belirleme
- Maliyet Fonksiyonunu Kullanma
- Optimizasyonu Kullanma
- Başlatıcıları Kullanma
- Sinir Ağını Uyarlama
- Grafiği Oluşturma
- Çıkarım
- Kayıp
- Eğitim
- Modeli Eğitme
- Grafik
- Oturum
- Eğitim Döngüsü
- Modeli Değerlendirme
- Değerlendirme Grafiğini Oluşturma
- Değerlendirme Çıkışıyla Değerlendirme
- Ölçekte Modeller Eğitme
- Modelleri TensorBoard ile Görselleştirme ve Değerlendirme
Anomali Tespiti'nde Deep Learning'in Uygulanması
- Otomatik Kodlayıcı
- Kodlayıcı - Kod Çözücü Mimarisi
- Yeniden Yapılandırma kaybı
- Varyasyonel Otomatik Kodlayıcı
- Varyasyonel çıkarım
- Üretken Çekişmeli Ağ
- Üretici – Ayırt edici mimarisi
- GAN kullanarak AN yaklaşımları
Ensemble Çerçeveleri
- Farklı yöntemlerden elde edilen sonuçları birleştirme
- Bootstrap Toplama
- Ayırıcı değer puanını ortalama alma
Kurs İçin Gerekli Önbilgiler
- Python programlama deneyimi
- İstatistik ve matematiksel kavramlara temel düzeyde aşinalık
Hedef Kitle
- Geliştiriciler
- Veri bilimcileri
28 Saat
Danışanlarımızın Yorumları (5)
Görsel eğitim, derin öğrenme modelleri ve ilgili yöntemler hakkında ilginç bir genel bakış sundu. Konu bana oldukça yeniydi, ancak şimdi AI ve ML'nin ne içerdiği ve bu terimlerle nasıl avantajlı bir şekilde çalışılabileceğine dair fikir sahibi olduğumu hissediyorum. Genel olarak, istatistiksel arka planla başlayıp doğrusal regresyon gibi temel öğrenme modellerini vurgulayan yaklaşımı sevdim, özellikle arasına yerleştirilen egzersizlere özen gösterdiler.
Konstantin - REGNOLOGY ROMANIA S.R.L.
Eğitim - Fundamentals of Artificial Intelligence (AI) and Machine Learning
Yapay Zeka Çevirisi
Anna her zaman soru var mı diye sormaktaydı ve bizi daha aktif hale getirmek için sorular sorarak, eğitimde gerçekten daha fazla參透率提示：似乎在翻译文本的过程中出现了一点混合，最后的回应中包含了未完成的翻译和无关的元素。根据指示，需要将给定的英文内容准确地翻译成土耳其语，并保持原始结构和格式不变。下面是正确的翻译： Anna her zaman soru var mı diye sormaktaydı ve bizi daha aktif hale getirmek için sorular sorarak, eğitimde gerçekten daha fazla ilgilendirdi.
Enes Gicevic - REGNOLOGY ROMANIA S.R.L.
Eğitim - Fundamentals of Artificial Intelligence (AI) and Machine Learning
Yapay Zeka Çevirisi
Seçkilere nasıl entegre edildiğine beğendim.
Bertan - REGNOLOGY ROMANIA S.R.L.
Eğitim - Fundamentals of Artificial Intelligence (AI) and Machine Learning
Yapay Zeka Çevirisi
Antrenörün geniş deneyim / bilgi
Ovidiu - REGNOLOGY ROMANIA S.R.L.
Eğitim - Fundamentals of Artificial Intelligence (AI) and Machine Learning
Yapay Zeka Çevirisi
VM bir güzel fikir
Vincent - REGNOLOGY ROMANIA S.R.L.
Eğitim - Fundamentals of Artificial Intelligence (AI) and Machine Learning
Yapay Zeka Çevirisi
