TensorFlow ile makine öğreniminin temelleri
Bu müfredat şu kişiler içindir:
- Makine öğreniminde yeni, ancak orta düzeyde programlama geçmişine sahip olanlar
Bu içeriğin amacı, makine öğrenimine yeni başlayan geliştiricilere makine öğrenimi yolculuklarının başlangıç aşamalarında rehberlik etmektir. Kaynakların çoğunun TensorFlow kullandığını göreceksiniz, ancak bilgi diğer makine öğrenimi çerçevelerine aktarılabilir.
1. Adım: Makine öğreniminin neyle ilgili olduğunu anlayın
TensorFlow 2.0, makine öğrenimi için sinir ağları oluşturmayı kolaylaştırmak üzere tasarlanmıştır, bu nedenle TensorFlow 2.0, Keras adlı bir API kullanır. Keras'ın yaratıcısı Francois Chollet'in Python ile Derin Öğrenme kitabı, başlamak için harika bir yerdir. Bir programcının bakış açısından makine öğreniminin temellerini anlamak için 1-4 arası bölümleri okuyun. Kitabın ikinci yarısı Bilgisayarla Görme, Doğal Dil İşleme, Üretken Derin Öğrenme ve daha fazlası gibi alanları inceliyor. Bu konular şu anda çok ileri düzeydeyse endişelenmeyin, zamanla daha anlamlı hale gelecektir.
Bu tanıtım kitabı, bilgisayarla görme, doğal dil işleme (NLP) ve web, mobil, bulut ve gömülü çalışma zamanları için dizi modelleme gibi en yaygın ML senaryolarının nasıl uygulanacağını öğrenmek için kod öncelikli bir yaklaşım sağlar.
Bu kitap, Keras ile Derin Öğrenmeye pratik, uygulamalı bir giriş niteliğindedir.
⬆ Veya ⬇
Her ikisi de Francois'in kitabıyla aynı temelleri kapsayan Coursera'nın TensorFlow'a Giriş veya Udacity'nin Derin Öğrenme için TensorFlow'a Giriş gibi çevrimiçi bir kursa katılın. Ayrıca, sinir ağlarının matematiksel düzeyde nasıl çalıştığı hakkında size hızlı açıklamalar sağlayan bu videoları 3blue1brown'dan da faydalı bulabilirsiniz.
Bu adımı tamamlamak, ML'nin nasıl çalıştığının temellerini vererek sizi daha derine gitmeye hazırlayacaktır.
DeepLearning.AI
AI, ML ve Derin Öğrenme için TensorFlow'a GirişTensorFlow ekibiyle işbirliği içinde geliştirilen bu kurs, TensorFlow Geliştirici Uzmanlığının bir parçasıdır ve size TensorFlow'u kullanmak için en iyi uygulamaları öğretecektir.
TensorFlow ekibi ve Udacity tarafından geliştirilen bu çevrimiçi kursta, TensorFlow ile derin öğrenme uygulamalarının nasıl oluşturulacağını öğreneceksiniz.
2. Adım: Temel bilgilerin ötesinde
Sizi temel bilgilerin ötesine, Bilgisayarla Görmeye, NLP'ye ve Dizi modellemeye götüren TensorFlow Geliştirici Uzmanlığını alın.
Bu adımı tamamlamak, girişinize devam eder ve görüntü sınıflandırma, metindeki duyarlılığı anlama, üretken algoritmalar ve daha fazlası dahil olmak üzere çeşitli senaryolar için temel modeller oluşturmak üzere TensorFlow'u nasıl kullanacağınızı öğretir.
DeepLearning.AI
TensorFlow Geliştirici UzmanlığıBir TensorFlow geliştiricisi tarafından verilen bu dört derslik Uzmanlıkta, TensorFlow'da ölçeklenebilir yapay zeka destekli algoritmalar oluşturmak için kullanılan araçları ve yazılım geliştiricileri keşfedeceksiniz.
3. Adım: Alıştırma
1. ve 2. adımlarda öğrendiğiniz kavramları uygulamanıza izin verecek olan TensorFlow Core eğitimlerimizden bazılarını deneyin. İşiniz bittiğinde, daha gelişmiş egzersizlerden bazılarını deneyin.
Bu adımı tamamlamak, makine öğrenimi modelleri oluştururken karşılaşacağınız ana kavram ve senaryoları daha iyi anlamanızı sağlayacaktır.
4. Adım: TensorFlow ile daha derine inin
Şimdi Francois tarafından Python ile Derin Öğrenmeye geri dönme ve 5-9. bölümleri bitirme zamanı. Ayrıca Aurelien Geron'un Scikit-Learn, Keras ve TensorFlow ile Uygulamalı Makine Öğrenimi kitabını da okumalısınız. Bu kitap, TensorFlow 2.0 kullanarak makine öğrenimi ve derin öğrenmeyi tanıtır.
Bu adımı tamamlamak, platformu ihtiyaçlarınızı karşılayacak şekilde genişletmek de dahil olmak üzere ML'ye giriş bilgilerinizi tamamlayacaktır.
Somut örnekler, minimal teori ve üretime hazır iki Python çerçevesi (Scikit-Learn ve TensorFlow) kullanan bu kitap, akıllı sistemler oluşturmaya yönelik kavramlar ve araçlar hakkında sezgisel bir anlayış kazanmanıza yardımcı olur.