Deep Learning ve Python: İleri Seviye Derin Öğrenme (5.1)

• 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 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

Who this course is for:

• Derin öğrenmesi konusunda uzmanlaşmak isteyenler
• İleri seviye derin öğrenme modelleri hakkında bilgi sahibi olmak ve bu modelleri pratikte kodlamayı öğrenmek isteyenler
• Üniversite ve meslek seçiminde zorlanan ve derin öğrenme hakkında bilgi ve beceri sahibi olmak isteyenler
• Derin öğrenmeyi iş hayatında uygulamak isteyenler

Similar Course Coupons

• Deep Learning ve Python: A’dan Z’ye Derin Öğrenme (5)
• Deep Learning A-Z™| Python ile Derin Öğrenme
• Convolutional Neural Networks with TensorFlow in Python