PickAClass · Yapay Zeka, Teknoloji ve Mühendislik · Yapay Zeka ve Makine Öğrenmesi

Derin Öğrenme

Yapay sinir ağları dünyasına dalın. TensorFlow ve PyTorch gibi çerçeveleri kullanarak karmaşık görevler için derin öğrenme modelleri oluşturmayı, eğitmeyi ve optimize etmeyi öğrenin.

Derin Öğrenme

Machine Learning'de Gradyan İnişi ve Öğrenme Oranlarını Optimize Etmek

ResNet50 ve Transfer Learning ile Görüntü Sınıflandırma

PyTorch Model Görselleştirme: Yerel Olarak ve Binder Üzerinde TensorBoard ile

TensorFlow'da Regresyon Modelleri ve L2 Kaybı Oluşturma

Keras Model Eğitimi ve Dağıtımı

PyTorch ile Temel Derin Öğrenme

PyTorch Regresyonu: Kayıp Fonksiyonlarını Anlamak

Keras Sequential API ile Derin Öğrenme Modelleri Oluşturun

Gradient Descent'i Düzeltmek: Perceptronlar ve Derin Öğrenmede Optimizasyon

PyTorch Temelleri: İlk Regresyon Probleminizi Çözmek

PyTorch ile İkili Sınıflandırma Modelleri Oluşturma

JAX ile Çoklu Cihaz Paralel Programlama

Yapılandırılmış PyTorch: Sınıf Tabanlı Eğitim ve Tahminler

Sinir Ağı Optimizasyonu: Kayıp Fonksiyonları ve Ağırlıklar

TFRecords ile Verimli TensorFlow Veri İşlem Hatları

PyTorch Model Yönetimi: Özel Sınıflar ve İş Akışları Oluşturma

ResNet'i Anlamak: Görüntü Sınıflandırma için Katman Mimarisi

Geri Yayılımı Anlamak (Backpropagation): Sinir Ağları Hataları Nasıl Yeniden Birleştirir

PyTorch'te Regresyon İçin Adım Adım Gradyan İnişi

Neural Network Değerlendirmesi: Performans Metrikleri Rehberi

Derin Öğrenme için Keras Model Yapılandırması

Keras Optimizasyonları: Derin Öğrenme Modeli Doğruluğunu İyileştirin

Autoencoders: Derin Öğrenme Temelleri ve Pratik Uygulamaları

Gradient Descent ile Sinir Ağı Ağırlık Güncellemeleri