What you'll learn:
- İleri seviye derin öğrenme konuları olan Residual Networks, Transfer Learning, Autoencoders ve Generative Adversarial Networks konularının mantığını
- İleri seviye derin öğrenme konuları olan Residual Networks, Transfer Learning, Autoencoders ve Generative Adversarial Networks konularının Python ile kodlamasını
- Pytorch ve Keras gibi ileri seviye Python kütüphanelerini kullanarak derin öğrenme modeli tasarlamayı
- Hem birlikte kodlayacağımız hem de bireysel olarak yapacağınız farklı derin öğrenme projeleri ve ödevleri
- İleri seviye derin öğrenme modelleri ve bu modellerin gerçek hayatta nerelerde kullanıldığı
- Convolutional Neural Network (Konvolüsyonel Sinir Ağları) konusunun tekrarı
İleri Seviye Derin Öğrenme
İleri seviye Derin Öğrenme kursu ile hem Residual Networks, Transfer Learning, Autoencoders ve Generative Adversarial Networks konularının mantığını hem de Python kütüphanelerinden olan Pytorch ve Keras ile kodlamasını öğreneceğiz.
İleri Seviye Deep Learning (Derin Öğrenme) kursu içeriği:
Giriş Bölümü
İleri Seviye Derin Öğrenme ders programı
Python Kurulumlar
Github Kaynaklar
İndirilebilir Kaynaklar
Convolutional Neural Networks (CNN) Gözden Geçirme
Convolutional Neural Networks Nedir?
Proje1: Python (Keras) ile Fruit360 veri seti kullanarak Convolutional Neural Networks kodlama
Proje2: Python (Keras) ile MNIST veri seti kullanarak Convolutional Neural Networks kodlama
Deep Residual Networks (DRN)
Convolutional Neural Networks vs Deep Residual Networks
Vanishing Gradient Problem (Kaybolan Gradyan Problemi)
Deep Residual Networks Nedir?
Proje3: Python (Pytorch) ile IR Pedestrian veri seti kullanarak Deep Residual Networks kodlama
Transfer Learning (Transfer Öğrenmesi)
Transfer Learning Nedir?
Transfer Learning Örnekleri
Proje4: Python (Keras) ile Fruit360 veri seti kullanarak Transfer Learning (VGG16) kodlama
Proje5: Python (Keras) ile CIFAR10 veri seti kullanarak Transfer Learning (VGG19) kodlama
Autoencoders (Otomatik Kodlayıcı)
Autoencoders Nedir?
Proje6: Python (Keras) ile MNIST veri seti kullanarak Autoencoders kodlama
Generative Adversarial Networks (GANs) (Üretken Rakip Ağlar)
Generative Adversarial Networks Nedir?
Generative Adversarial Networks kullanım alanları
Proje7: Python (Keras) ile MNIST veri seti kullanarak Generative Adversarial Networks kodlama
EK1: Convolutional Neural Network (CNN)Convolutional Neural Networks
Same Padding
Max Pooling
Fully Connected Network
Implementing with Keras
Create Model
Optimizer
Compiler
Batch and Epoch
Data Augmentation
Fitting Model
Evaluate Model
CNN with Pytorch
Neden Python?
Python 2018 IEEE araştırmasına göre dünya çapında en çok kullanılan ve tercih edilen programlama dili.
Python kolay öğrenilebilirliği sayesinde kodlamaya yeni başlayanların ilk tercihi oluyor.
Python open source (açık kaynak) olması nedeni ile Facebook yada Google gibi dünyanın en büyük şirketleri tarafından destekleniyor.
Veri bilimi, makine öğrenmesi yada yapay zeka denince akla ilk olarak Python dili geliyor. Bu durumda Python'ın dünya çapında büyük bir kitlesinin olmasına neden oluyor.
Python öğrenmesi en kolay olan dillerin başında geliyor.
Kariyer açısından Python en çok fırsata sahip dillerinden biri.
Neden Derin Öğrenme?
Derin öğrenme modelleri veri sayısı arttığı zaman klasik makine öğrenmesi yöntemlerinden çok daha başarılı sonuçlar veriyor.
Derin öğrenme furyası tüm dünyada çığ gibi büyüyor ve bizlerde yolun başındayken derin öğrenmeyi öğrenmeliyiz.
Derin öğrenme bilgisine sahip olmak iş hayatında fark yaratacak.
Derin öğrenme herkesin öğrenebileceği kolay bir konu değil bu nedenle derin öğrenme bilen biri olarak her alanda daha kıymetli olursunuz.
Bu Kurs ile Alacaklarınız
Sıfırdan Kodlama Becerisi:Sizinle birlikte kod yazıyoruz. Her ders boş bir sayfa ile başlar ve kodu sıfırdan yazarız. Bu şekilde ilerleyebilir ve kodun nasıl bir araya geldiğini ve her satırın ne anlama geldiğini tam olarak anlayabilirsiniz.
Kodlar ve Şablonları: Kursta oluşturduğumuz her Python şablonlarını ve kodunu indirebilirsiniz. Bu, sizlere hem daha sonra kod üzerinde pratik yapma hem de kendi projelerinizi şablon sayesinde daha kolay bir şekilde yaratma imkanı sağlayacaktır
Teori ve Mantık:Size yalnızca kod yazmayı değil, hem yazdığımız kodun arkasında yatan mantığı ve teoriyi hem de neden böyle bir kod yazdığımızı anlatıyoruz.
Kurs içi destek:Size sadece video ile ders anlatımı yapmıyoruz. Size destek olmak için profesyonel Veri Bilimcilerinden oluşan bir ekip oluşturduk. Bu da ders ve ya ders dışı sorularınıza en fazla 72 saat içinde yanıt alacağınız anlamına geliyor.
İçeriğin İngilizceolması sizi yanıltmasın arkadaşlar. Derslerim tamamen Türkçedir.
Hemen kaydolun ve bir an önce başlayalım.
