Yapay zeka alanına giriş yapmak ve "öğrenen" uygulamalar geliştirmek istiyorsanız derin öğrenme
yöntemlerini öğrenmek için Udemy üzerinde açtığım kursu takip edebilirsiniz. "Derin Öğrenmeye Giriş" kursu temelden ileri seviyeye kadar teorik anlatım ve pratik uygulamaları içermektedir. Bu dersi bitirdiğinizde, derin öğrenmenin temellerini, yapay sinir ağı modelleri oluşturma ve geliştirme adımlarını ve başarılı yapay öğrenme projelerini nasıl gerçekleştirebileceğinizi öğreneceksiniz.
- Yapay Sinir Ağları (ANN: Artificial Neural Networks)
- Makine Öğrenmesinde Optimizasyon ve Regularizasyon Yöntemleri
- Evrişimli Sinir Ağları (CNN: Convolutional Neural Networks)
- Özyinelemeli Sinir Ağları (RNN: Recurrent Neural Networks)
- Uzun-Kısa Vadeli Bellek (LSTM: Long Short Term Memory)
- Kapsül Ağları (CapsNet: Capsule Networks)
- Çekişmeli Üretici Ağları (GAN: Generative Adversarial Networks)
- Pekiştirmeli Öğrenme (RL: Reinforcement Learning)
Tüm bu yöntemleri Python programlama dili kullanarak TensorFlow ve Keras kütüphanelerinde uygulayacaksınız. Yapay zeka ve derin öğrenme iş dünyasını geliştirmekte ve dönüştürmektedir. Bu dersi tamamladıktan sonra, bunu işinize uygulamak için yaratıcı yollar bulabilirsiniz.
Eğer direkt olarak çalışma dosyalarını (.ipynb) Colab servisi üzerinde açmak isterseniz aşağıda verdiğim linklere tıklamanız yeterli!
1. YAPAY SİNİR AĞLARI
2. DERİN ÖĞRENME MODELİ GELİŞTİRME REHBERİ
-
Aktivasyon Fonksiyonları Karşılaştırması
Eklenecek
- Optimizasyon Yöntemlerinin Karşılaştırılması
Eklenecek
- Aşırı Uydurma (Overfitting) ve Erken Durdurma (Early Stopping)
Eklenecek
- Transfer Öğrenme (Transfer Learning) ve Fine-Tuning
Eklenecek
3. EVRİŞİMLİ SİNİR AĞLARI (CNN)
4. ÖZYİNELEMELİ SİNİR AĞLARI / UZUN-KISA VADELİ BELLEK
-
[Uzun-Kısa Vadeli Bellek (LSTM) Kullanılarak Öngörücü Bakım (Predictive Maintenance) Kestirimi]
Eklenecek
5. KAPSÜL AĞLARI
6. ÇEKİŞMELİ ÜRETİCİ AĞLAR
- Stil Transferi - GAN
Eklenecek
7. PEKİŞTİRMELİ ÖĞRENME
- Ping-Pong Oyun Uygulaması
Eklenecek
Derin Öğrenmeye Giriş derslerini kişisel bilgisayarlarınızın donanımsal ve yazılımsal özelliklerinden bağımsız olarak bulut ortamında rahatlıkla çalıştırabilmeniz için Google tarafından ücretsiz olarak sunulan Colab servisini öneriyorum. Yukarıdaki ders içeriğini kapsayan listeden direkt link ile Colab üzerinde çalışabiliyor olacaksınız. Dilerseniz dosyaları yerel çalışma ortamınıza indirip kendi donanımınız üzerinde de çalıştırabilirsiniz. Bu işlemlerin yapılış adımlarını Udemy'de bulunan "Derin Öğrenmeye Giriş" kursunda bulabilirsiniz. 💪
GitHub üzerindeki Repoyu Google Colab'a tek hamlede nasıl alabilirim❔
Haliç Üniversitesi'ne çalışmalarıma destek verdiği için, Deep Learning Türkiye topluluğuna her daim yanımda olup motivasyonumu artırdığı için, ve tüm bu çalışmalar sırasında sabırlarını esirgemeyen arkadaşlarıma bilhassa Neslihan ve Ayça'ya, müziksiz yapamayacağım için beni çok iyi tanıyan 🎶 Spotify'ıma, tüm hazırlıklarımı yaparken yardımlarıyla derse bizzat katkı sağlayan Fuat Beşer ve Yavuz Kömeçoğlu'na tek tek teşekkür ederim. Görselleriyle çalışmalarımı şenlendiren köpeğimiz 🐶 Olips seni de unutmadım! Çok sevgili aileme de teşekkürlerimi sunarım. 😇