Deep Learning with TensorFlow

Bu eğitim özellikle TensorFlow’a odaklanır. Derin öğrenme konusunda yeniyseniz, ilk önce Derin Öğrenme Temelleri eğitimi almanız uygun olacaktır.


Geleneksel sinir ağları, bir giriş, bir gizli katman ve bir çıkış ağından oluşan yüzeysel ağlara dayanır. Derin öğrenme ağları, daha gizli katmanları veya daha derin olarak adlandırılan özellikleriyle sıradan sinir ağlardan ayrılır. Bu tür ağlar, dünyadaki verilerin büyük çoğunluğunu oluşturan etiketlenmemiş ve yapılandırılmamış verilerdeki (örneğin görseller, ses ve metin) gizli yapıları keşfetme yeteneğine sahiptir.


TensorFlow, derin öğrenmeyi uygulamak için kullanılan en iyi kütüphanelerden biridir. TensorFlow, matematiksel ifadenin sayısal olarak hesaplanması için akış grafiklerini kullanan bir yazılım kütüphanesidir. Grafikte yer alan noktalar, matematiksel işlemleri temsil ederken, kenarlar bu noktalar arasında akan çok boyutlu veri dizilerini (tensörler) temsil eder. Google tarafından özellikle Makine Öğrenimi için geliştirilmiştir. Derin Öğrenme ile geliştirilen çözümlerde yaygın olarak kullanılmaktadır.

Bu eğitimde, TensorFlow'un temel kavramları, ana işlevleri, işlemleri ve yürütme işlem hattı hakkında bilgi sahibi olacaksınız. Eğitime basit bir "Hello World" örneği ile başlayarak TensorFlow'un eğri uydurma, regresyon, sınıflandırma ve hata işlevlerinin en aza indirilmesi konusunda nasıl kullanılabileceğini göreceksiniz. Bunu, Derin Öğrenme dünyasının diğer kavramları takip edecek. Eğitimde, Sinir Ağları eğitilirken, ağırlık ve sapmaları ayarlarken geri yayılıma TensorFlow'u nasıl uygulayacağınızı öğreneceksiniz. Eğitim son olarak Konvolüsyonel Ağlar, Tekrarlayan Ağlar ve Otomatik Kodlayıcılar gibi farklı Derin Mimari türlerinin anlatımıyla son bulacak.


Introduction to TensorFlow

HelloWorld with TensorFlow

Linear Regression

Nonlinear Regression

Logistic Regression

Activation Functions


Convolutional Neural Networks (CNN)

CNN History

Understanding CNNs

CNN Application


Recurrent Neural Networks (RNN)

Intro to RNN Model

Long Short-Term memory (LSTM)

Recursive Neural Tensor Network Theory

Recurrent Neural Network Model


Unsupervised Learning

Applications of Unsupervised Learning

Restricted Boltzmann Machine

Collaborative Filtering with RBM


Autoencoders

Introduction to Autoencoders and Applications

Autoencoders

Deep Belief Network


Eğitim Detayları
Süre 2 Gün
Kontenjan Max 12 Kişi
Eğitim Tipi Sınıf / Sanal Sınıf


Aradığınızı bulamadınız mı? Bize ulaşın, yardımcı olalım!

İletişim