Kurs
PyTorch ile Verimli AI Model Eğitimi
İleri SeviyeBeceri Seviyesi
Güncel 05.2026
PythonArtificial Intelligence4 sa13 video45 Egzersiz3,850 XPBaşarı Belgesi
Ücretsiz Hesabınızı Oluşturun
Google ile devam edinDaha fazla seçenek gösterveya
Devam ederek Kullanım Şartlarımızı, Gizlilik Politikamızı ve verilerinizin ABD’de saklandığını kabul etmiş olursunuz.
Binlerce şirketten öğrencinin sevgisini kazandı
Bir Ekibi Eğitiyor musunuz?
İşletmeler için deneyinKurs Açıklaması
Dağıtık Eğitim İçin Verileri Hazırlama
Dağıtık eğitim için verileri hazırlamaya, veri kümelerini birden fazla cihaza bölerek ve model kopyalarını her cihaza dağıtarak başlayacaksınız. Dağıtık ortamlar için verileri ön işleme konusunda uygulamalı deneyim kazanacaksınız; buna görüntüler, ses ve metin de dahildir.Verimlilik Tekniklerini Keşfetmek
Verileriniz hazır olduğunda, birden fazla arayüzde eğitim ve optimizer kullanımında verimliliği artırmanın yollarını keşfedeceksiniz. Bu zorlukların üstesinden, gradient accumulation, gradient checkpointing, local stochastic gradient descent ve mixed precision training gibi tekniklerle bellek kullanımını, cihaz iletişimini ve hesaplama verimliliğini iyileştirerek nasıl geleceğinizi göreceksiniz. Farklı optimizasyon algoritmaları arasındaki ödünleşimleri anlayarak modelinizin bellek kullanımını azaltmanıza yardımcı olacaksınız. Bu kursun sonunda, dağıtık yapay zekâ destekli hizmetler oluşturmak için gerekli bilgi ve araçlarla donatılmış olacaksınız.Önkoşullar
Intermediate Deep Learning with PyTorchWorking with Hugging Face1
Accelerator ile Veri Hazırlama
Veriyi birden fazla cihaza bölerek ve modeli her cihaza kopyalayarak dağıtık eğitim için hazırlayacaksın. Accelerator, veri hazırlama için kullanışlı bir arayüz sunar; dağıtık eğitimin ilk adımı olarak görüntü, ses ve metni nasıl ön işleyeceğini öğreneceksin.
2
Accelerator ve Trainer ile Dağıtık Eğitim
Dağıtık eğitimde her cihaz kendi verisiyle paralel olarak eğitim yapar. Dağıtık eğitim için iki yöntemi inceleyeceksin: Accelerator özel eğitim döngülerine imkân tanır, Trainer ise eğitim arayüzünü basitleştirir.
3
Eğitim Verimliliğini Artırma
Büyük modeller ve veri kümeleri, dağıtık eğitimde kaynakları zorlayabilir; ancak bellek kullanımını, cihazlar arası iletişimi ve hesaplama verimliliğini iyileştirerek bu zorlukların üstesinden gelebilirsin. Gradyan biriktirme, gradyan checkpointing, yerel stokastik gradyan inişi ve karışık duyarlıklı eğitim tekniklerini keşfedeceksin.
4
Verimli Optimize Edicilerle Eğitim
Dağıtık eğitim verimliliğini artırmak için optimize edicilere odaklanacak, AdamW, Adafactor ve 8-bit Adam arasındaki ödünleşimleri vurgulayacaksın. Parametre sayısını azaltmak veya düşük duyarlık kullanmak, bir modelin bellek ayak izini küçültmeye yardımcı olur.
PyTorch ile Verimli AI Model Eğitimi
Kurs Tamamlandı
Başarı Belgesi Kazanın
Bu kimlik bilgisini LinkedIn profilinize, özgeçmişinize veya CV'nize ekleyinSosyal medyada ve performans incelemenizde paylaşınŞimdi kaydolun
Bugün 19 milyondan fazla öğrenciye katılın ve PyTorch ile Verimli AI Model Eğitimi eğitimine başlayın!
Ücretsiz Hesabınızı Oluşturun
Google ile devam edinDaha fazla seçenek gösterveya
Devam ederek Kullanım Şartlarımızı, Gizlilik Politikamızı ve verilerinizin ABD’de saklandığını kabul etmiş olursunuz.
DataCamp for Mobile ile veri becerilerinizi geliştirin
Mobil kurslarımız ve günde 5 dakikalık kodlama görevlerimizle hareket halindeyken ilerleme kaydedin.