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)
The training provided an interesting overview of deep learning models and related methods. The topic was quite new to me, but now I feel like I actually have an idea of what AI and ML can involve, what these terms consist of and how they can be used advantageously. In general, I liked the approach of starting with the statistical background and the basic learning models, such as linear regression, especially emphasizing the exercises in between.
Konstantin - REGNOLOGY ROMANIA S.R.L.
Eğitim - Fundamentals of Artificial Intelligence (AI) and Machine Learning
Anna was always asking if there are questions, and always tried to make us more active by posing questions, which made all of us really involved into the training.
Enes Gicevic - REGNOLOGY ROMANIA S.R.L.
Eğitim - Fundamentals of Artificial Intelligence (AI) and Machine Learning
I liked the way how it is blended with the practices.
Bertan - REGNOLOGY ROMANIA S.R.L.
Eğitim - Fundamentals of Artificial Intelligence (AI) and Machine Learning
The extensive experience / knowledge of the trainer
Ovidiu - REGNOLOGY ROMANIA S.R.L.
Eğitim - Fundamentals of Artificial Intelligence (AI) and Machine Learning
the VM is a nice idea
