Bu kursları tamamladıktan sonra profesyonel görselleştirmeler ve panolar oluşturma konusunda kendime güveniyorum
Shoebur RahmanSatın Alma Uzmanı, Giz Bangladesh
Kurs Açıklaması
TensorFlow'a Giriş
Kısa bir süre önce, en gelişmiş bilgisayar görme algoritmaları kedilerin ve köpeklerin resimlerini birbirinden ayırt edemiyordu. Günümüzde, bir dizüstü bilgisayardan başka hiçbir şeye sahip olmayan yetenekli bir veri bilimcisi, on binlerce nesneyi insan gözünden daha yüksek bir doğrulukla sınıflandırabilir.Bu kursta, TensorFlow 2.6'yı kullanarak öneri sistemleri, görüntü sınıflandırma ve FinTech alanlarında önemli ilerlemeler sağlayan modelleri geliştirecek, eğitecek ve tahminlerde bulunacaksınız.
Tahminlerde Doğrusal Modeller Kullanın
TensorFlow 2.6'yı kullanarak doğrusal regresyon modelleriyle tahminlerde bulunmayı öğrenecek ve King County'deki ev fiyatlarını tahmin ederek bilgilerinizi test edeceksiniz. Kursun bu bölümünde, kayıp fonksiyonları ve doğrusal modelinizi toplu olarak eğiterek kaynak kullanımınızı nasıl azaltabileceğiniz ele alınmaktadır.Sinir Ağınızı Eğitin
Kursun ikinci yarısında, aynı araçları kullanarak sinir ağları ile tahminlerde bulunacaksınız. Eğitilebilir değişkenler ekleyerek ve model ve test özelliklerinizi kullanarak hedef değerleri tahmin etmek suretiyle TensorFlow'da bir ağın eğitimini uygulayacaksınız.TensorFlow ile Keras API'sini birleştirin
Keras'ın güçlü API'sini repertuarınıza ekleyin ve TensorFlow 2.6 ile birleştirerek tahminlerde bulunmayı ve modelleri değerlendirmeyi öğrenin. Bu kursun sonunda, model tanımını kolaylaştırmak ve hataları önlemek için Estimators API'yi nasıl kullanacağınızı anlayacaksınız.Ön Koşullar
Müfredat
Kurs planı
1
TensorFlow’a Giriş
TensorFlow 2’de ileri seviye modeller kurmadan önce temelleri anlaman gerekir. Bu bölümde sabitler ve değişkenleri nasıl tanımlayacağını, tensör toplama ve çarpma işlemlerini nasıl yapacağını ve türevleri nasıl hesaplayacağını öğreneceksin. Lineer cebir bilgisi faydalı olur ama zorunlu değildir.
- Sabitler ve değişkenler50 XP
- Veriyi sabitler olarak tanımlama100 XP
- Değişken tanımlama100 XP
- Temel işlemler50 XP
- Eleman düzeyinde çarpma yapmak100 XP
- Matris çarpımıyla tahmin yapmak100 XP
- Tensör boyutları boyunca toplama50 XP
- Gelişmiş işlemler50 XP
- Tensörleri yeniden şekillendirme100 XP
- Gradyanlarla optimize etme100 XP
- Görüntü verileriyle çalışma100 XP
2
Doğrusal modeller
Bu bölümde TensorFlow 2 ile modelleri nasıl kuracağını, çözeceğini ve onlarla nasıl tahmin yapacağını öğreneceksin. Basit bir model sınıfına — doğrusal regresyon modeline — odaklanacak ve konut fiyatlarını tahmin etmeye çalışacaksın. Bölümün sonunda veriyi yüklemeyi ve dönüştürmeyi, kayıp fonksiyonları kurmayı, en küçüklemeyi gerçekleştirmeyi, tahmin yapmayı ve yığın (batch) eğitimiyle kaynak kullanımını azaltmayı bileceksin.
3
Sinir Ağları
Önceki bölümler, TensorFlow 2’de nasıl model kuracağını öğretti. Bu bölümde aynı araçları kullanarak sinir ağları kuracak, eğitecek ve onlarla tahmin yapacaksın. Yoğun (dense) katmanları tanımlamayı, aktivasyon fonksiyonlarını uygulamayı, bir optimize edici seçmeyi ve aşırı uyumu azaltmak için düzenlileştirme uygulamayı öğreneceksin. Modelleri tanımlayıp eğitmek için hem alt düzey lineer cebir işlemlerinden hem de üst düzey Keras API’sinden yararlanarak TensorFlow’un esnekliğini kullanacaksın.
4
Üst Düzey API’ler
Son bölümde, TensorFlow 2’de üst düzey API’leri kullanarak bir işaret dili harfi sınıflandırıcısı eğiteceksin. Modelleri eğitmek, doğrulamak, onlarla tahmin yapmak ve değerlendirmek için hem sıralı (sequential) hem de fonksiyonel Keras API’lerini kullanacaksın. Ayrıca Estimators API’sini kullanarak model tanımı ve eğitim sürecini nasıl kolaylaştıracağını ve hatalardan nasıl kaçınacağını da öğreneceksin.
Python ile TensorFlow’a Giriş
Kurs
Tamamlandı
