TensorFlow ile makine öğreniminin temelleri
Bu müfredat şu kişilere yöneliktir:
- ML'de yeni olan ancak orta düzey programlama geçmişine sahip olanlar
Bu içeriğin amacı, makine öğrenimi konusunda yeni olan geliştiricilere makine öğrenimi yolculuğunun başlangıç aşamalarında rehberlik etmektir. Kaynakların çoğunun TensorFlow'u kullandığını göreceksiniz, ancak bilgi diğer makine öğrenimi çerçevelerine aktarılabilir.
1. Adım: ML'nin neyle ilgili olduğunu anlayın
TensorFlow 2.0, makine öğrenimi için sinir ağları oluşturmayı kolaylaştırmak üzere tasarlanmıştır; bu nedenle TensorFlow 2.0, Keras adı verilen bir API kullanır. Keras'ın yaratıcısı Francois Chollet'nin Python ile Derin Öğrenme kitabı, başlamak için harika bir yerdir. Bir programcının bakış açısından makine öğreniminin temellerini anlamak için 1-4 arasındaki bölümleri okuyun. Kitabın ikinci yarısı Bilgisayarlı Görme, Doğal Dil İşleme, Üretken Derin Öğrenme ve daha fazlası gibi alanları ele alıyor. Bu konular şu anda çok ileri düzeydeyse endişelenmeyin çünkü zamanla daha anlamlı hale gelecektir.
Bu giriş kitabı, bilgisayarlı görme, doğal dil işleme (NLP) ve web, mobil, bulut ve gömülü çalışma zamanları için sıra modelleme gibi en yaygın makine öğrenimi senaryolarının nasıl uygulanacağını öğrenmek için kod öncelikli bir yaklaşım sağlar.
Bu kitap Keras ile Derin Öğrenmeye pratik ve 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 3blue1brown'un, sinir ağlarının matematiksel düzeyde nasıl çalıştığı hakkında hızlı açıklamalar sağlayan bu videolarını da faydalı bulabilirsiniz.
Bu adımı tamamlamak size ML'nin nasıl çalıştığının temellerini verecek ve sizi daha derine inmeye 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 kullanımına yönelik en iyi uygulamaları öğretecektir.
TensorFlow ekibi ve Udacity tarafından geliştirilen bu çevrimiçi kursta TensorFlow ile derin öğrenme uygulamalarının nasıl oluşturulacağını öğreneceksiniz.
Adım 2: Temel bilgilerin ötesinde
Sizi temel bilgilerin ötesine geçerek Bilgisayarla Görme, NLP ve Sıra modellemeye giriş niteliğinde olan TensorFlow Geliştirici Uzmanlığını alın.
Bu adımı tamamlamak, girişinize devam eder ve görüntü sınıflandırması, 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 öğretilen bu dört kurslu Uzmanlık dersinde, TensorFlow'da ölçeklenebilir yapay zeka destekli algoritmalar oluşturmak için geliştiricilerin kullandığı araçları ve yazılım geliştiricilerini keşfedeceksiniz.
3. Adım: Pratik Yapın
1. ve 2. adımlarda öğrendiğiniz kavramların pratiğini yapmanıza olanak sağlayacak TensorFlow Core eğitimlerimizden bazılarını deneyin. İşiniz bittiğinde, daha gelişmiş alıştırmalardan bazılarını deneyin.
Bu adımı tamamlamak, makine öğrenimi modelleri oluştururken karşılaşacağınız ana kavramları ve senaryoları anlamanızı geliştirecektir.
4. Adım: TensorFlow ile daha derine inin
Şimdi Francois'in Python ile Derin Öğrenme kitabına dönüp 5-9. bölümleri bitirmenin zamanı geldi. Ayrıca Aurelien Geron'un yazdığı Scikit-Learn, Keras ve TensorFlow ile Uygulamalı Makine Öğrenimi kitabını da okumalısınız. Bu kitap, TensorFlow 2.0'ı kullanarak makine öğrenimini ve derin öğrenmeyi tanıtıyor.
Bu adımı tamamlamak, platformun ihtiyaçlarınızı karşılayacak şekilde genişletilmesi de dahil olmak üzere makine öğrenimine giriş bilgilerinizi tamamlayacaktır.
Somut örnekler, minimal teori ve üretime hazır iki Python çerçevesi (Scikit-Learn ve TensorFlow) kullanan bu kitap, akıllı sistemler oluşturmaya yönelik kavramları ve araçları sezgisel olarak anlamanıza yardımcı olur.