Name: PyTorch ile Deep Learning'e Giriş
Rating: 4.818499486125385 (4865 reviews)

Kurs Açıklaması

Derin Öğrenmenin Gücünü Anlamak

Derin öğrenme her yerde: akıllı telefon kameralarında, sesli asistanlarda ve sürücüsüz arabalarda. Hatta protein yapılarının keşfedilmesine ve Go oyununda insanları yenmesine yardımcı olmuştur. Bu güçlü teknolojiyi keşfedin ve en popüler derin öğrenme kütüphanelerinden biri olan PyTorch'u kullanarak bu teknolojiden nasıl yararlanabileceğinizi öğrenin.

İlk sinir ağınızı eğitin

İlk olarak, derin öğrenme ile "klasik" makine öğrenimi arasındaki farkı ele alalım. Sinir ağının eğitim sürecini ve eğitim döngüsünü nasıl yazacağınızı öğreneceksiniz. Bunu yapmak için, regresyon ve sınıflandırma problemleri için kayıp fonksiyonları oluşturacak ve PyTorch'u kullanarak bunların türevlerini hesaplayacaksınız.

Modelinizi değerlendirin ve iyileştirin

İkinci yarıda, modelinizi iyileştirmek için ayarlayabileceğiniz farklı hiperparametreleri öğrenin. Sinir ağının farklı bileşenlerini öğrendikten sonra, daha büyük ve daha karmaşık mimariler oluşturabileceksiniz. Model performansınızı ölçmek için, model değerlendirmesi için bir PyTorch kütüphanesi olan TorchMetrics'i kullanacaksınız.

Tamamlandığında, PyTorch'u kullanarak derin öğrenme ile hem tablo hem de görüntü verilerinde sınıflandırma ve regresyon problemlerini çözebileceksiniz. Kariyerlerinde ilerlemek isteyen deneyimli veri uzmanları için hayati bir yetkinlik.

Ön Koşullar

Supervised Learning with scikit-learn Introduction to NumPy Python Toolbox

Müfredat

Kurs planı

Bir Deep Learning Kütüphanesi Olarak PyTorch’a Giriş

Otonom araçlar, akıllı telefonlar, arama motorları... Deep learning artık her yerde. Karmaşık modeller kurmaya başlamadan önce, bir deep learning çatısı olan PyTorch’a alışacaksın. Tensörleri nasıl yöneteceğini, PyTorch veri yapılarını nasıl oluşturacağını ve doğrusal katmanlarla PyTorch’ta ilk yapay sinir ağını nasıl kuracağını öğreneceksin.

Bölüme Başla

Yapay Sinir Ağı Mimarisi ve Hiperparametreler

PyTorch’ta bir yapay sinir ağını eğitmek için önce aktivasyon ve kayıp fonksiyonları gibi ek bileşenleri anlaman gerekir. Ardından, bir ağı eğitmenin bu kayıp fonksiyonunu en aza indirmeyi gerektirdiğini ve bunun gradyanlar hesaplanarak yapıldığını göreceksin. Bu gradyanları modelinin parametrelerini güncellemek için nasıl kullanacağını öğreneceksin.

Bölüme Başla

PyTorch ile Bir Yapay Sinir Ağını Eğitmek

Artık bir yapay sinir ağının temel bileşenlerini öğrendiğine göre, bir eğitim döngüsü kullanarak bir ağ eğiteceksin. Kaybolan gradyanlar gibi olası sorunları keşfedecek ve alternatif aktivasyon fonksiyonları ile öğrenme oranı ve momentum ayarı gibi stratejilerle bunların üstesinden gelmeyi öğreneceksin.

Bölüme Başla

Modelleri Değerlendirme ve İyileştirme

Bir deep learning modelini eğitmek bir sanattır ve modelimizin doğru eğitildiğinden emin olmak için eğitim sırasında kayıp veya doğruluk gibi bazı metrikleri takip etmemiz gerekir. Bu metrikleri nasıl hesaplayacağını ve aşırı uyumu nasıl azaltacağını öğreneceğiz.