Google is committed to advancing racial equity for Black communities. See how.
Bu sayfa, Cloud Translation API ile çevrilmiştir.
Switch to English

Yolunda ustalaş

Makine öğreniminde uzman olmak için öncelikle dört öğrenme alanında güçlü bir temele ihtiyacınız var: kodlama, matematik, makine öğrenimi teorisi ve baştan sona kendi makine öğrenimi projenizi nasıl oluşturacağınız.

Bu dört beceriyi geliştirmek için TensorFlow'un küratörlüğünü yaptığı müfredatlarla başlayın veya aşağıdaki kaynak kitaplığımızı keşfederek kendi öğrenme yolunuzu seçin.

Makine öğrenimi eğitiminin dört alanı

Eğitim yolunuza başlarken, önce makine öğreniminin nasıl öğrenileceğini anlamak önemlidir. Öğrenme sürecini, her bir alan makine öğrenimi bulmacasının temel bir parçasını sağlayan dört bilgi alanına böldük. Yolunuzda size yardımcı olmak için, yeteneklerinizi geliştirecek ve sizi projelerinizde makine öğrenimi kullanmaya hazırlayacak kitaplar, videolar ve çevrimiçi kurslar belirledik. Bilginizi artırmak için tasarlanmış rehberli müfredatlarımızla başlayın veya kaynak kitaplığımızı keşfederek kendi yolunuzu seçin.

  • Kodlama becerileri: Makine öğrenimi modelleri oluşturmak, makine öğrenimi kavramlarını bilmekten çok daha fazlasını içerir; modelinizi test etmek ve optimize etmek için gereken veri yönetimi, parametre ayarı ve ayrıştırma sonuçlarını yapmak için kodlama gerektirir.

  • Matematik ve istatistikler: Makine öğrenimi, matematik ağırlıklı bir disiplindir, bu nedenle makine öğrenimi modellerini değiştirmeyi veya sıfırdan yenilerini oluşturmayı planlıyorsanız, temel matematik kavramlarına aşinalık bu süreç için çok önemlidir.

  • Makine Öğrenimi teorisi: Makine öğrenimi teorisinin temellerini bilmek, size üzerine inşa edeceğiniz bir temel sağlar ve bir şeyler ters gittiğinde sorun gidermenize yardımcı olur.

  • Kendi projelerinizi oluşturun: Makine öğrenimi ile uygulamalı deneyim kazanmak, bilginizi sınamanın en iyi yoludur, bu nedenle biraz pratik yapmak için basit bir çalışma veya öğretici ile erken dalmaktan korkmayın .

TensorFlow müfredatları

Önerilen kursları, kitapları ve videoları içeren rehberli müfredatlarımızdan biriyle öğrenmeye başlayın.

Yeni başlayanlar için
TensorFlow ile makine öğreniminin temelleri

Bu kitap koleksiyonu ve çevrimiçi kurslarla makine öğreniminin temellerini öğrenin. TensorFlow 2.0 kullanarak derin öğrenme yoluyla yönlendirilen scikit-learn ile makine öğrenimi ile tanışacaksınız ve ardından yeni başlayanlar için eğitimlerle öğrendiklerinizi uygulama fırsatına sahip olacaksınız.

Orta seviye ve uzmanlar için
TensorFlow ile teorik ve gelişmiş makine öğrenimi

Makine öğreniminin temellerini anladıktan sonra, sinir ağlarının teorik anlayışına, derin öğrenmeye ve temel matematik kavramları hakkındaki bilginizi geliştirerek yeteneklerinizi bir sonraki seviyeye taşıyın.

Yeni başlayanlar için
Uzmanlık: JavaScript geliştirme için TensorFlow'un Temelleri

JavaScript'te makine öğrenimi modelleri geliştirmenin temellerini ve doğrudan tarayıcıda nasıl dağıtılacağını öğrenin. Derin öğrenme ve uygulamalı alıştırmalar yoluyla TensorFlow.js ile nasıl başlayacağınız hakkında üst düzey bir giriş alacaksınız.

Eğitim kaynakları

Kendi öğrenme yolunuzu seçin ve size makine öğreniminin temellerini öğretmek için TensorFlow ekibi tarafından önerilen kitapları, kursları, videoları ve alıştırmaları keşfedin.

Kitabın

Okuma, makine öğreniminin ve derin öğrenmenin temellerini anlamanın en iyi yollarından biridir. Kitaplar, gelecekte yeni kavramları daha hızlı öğrenmenize yardımcı olacak teorik anlayışı size verebilir.

Kitabın
Python ile Derin Öğrenme, Francois Chollet

Bu kitap, Keras ile Derin Öğrenmeye pratik, uygulamalı bir giriştir.

Kitabın
Aurélien Géron tarafından Scikit-Learn, Keras ve TensorFlow, 2nd Edition ile Uygulamalı Makine Öğrenimi

Somut örnekler, minimal teori ve üretime hazır iki Python çerçevesi (Scikit-Learn ve TensorFlow) kullanarak bu kitap, akıllı sistemler oluşturmak için kavramlar ve araçlar hakkında sezgisel bir anlayış kazanmanıza yardımcı olur.

Kitabın
Derin Öğrenme: Ian Goodfellow, Yoshua Bengio ve Aaron Courville tarafından yazılan MIT Basın Kitabı

Bu Derin Öğrenme ders kitabı, öğrencilerin ve uygulayıcıların genel olarak makine öğrenimi ve özellikle de derin öğrenme alanına girmelerine yardımcı olmayı amaçlayan bir kaynaktır.

Kitabın
Sinir Ağları ve Derin Öğrenme, Michael Nielsen

Bu kitap, sinir ağları hakkında teorik bir arka plan sağlar. TensorFlow kullanmaz, ancak daha fazlasını öğrenmek isteyen öğrenciler için harika bir referanstır.

Kitabın
JavaScript ile Derin Öğrenme, Shanqing Cai, Stanley Bileschi, Eric D. Nielsen ile Francois Chollet

TensorFlow kütüphanesinin ana yazarları tarafından yazılan bu kitap, tarayıcınızda veya Node'da JavaScript'te derin öğrenme uygulamaları için büyüleyici kullanım örnekleri ve derinlemesine talimatlar sağlar.

Çok parçalı çevrimiçi kurslar

Çok parçalı çevrimiçi bir kurs almak, makine öğreniminin temel kavramlarını öğrenmek için iyi bir yoldur. Çoğu kurs, harika görsel açıklayıcılar ve makine öğrenimini doğrudan işte veya kişisel projelerinizle uygulamaya başlamak için gereken araçları sağlar.

Online giriş kursları
deeplearning.ai: TensorFlow: Veri ve Dağıtım Uzmanlığı

Nasıl model oluşturup eğiteceğinizi öğrendiniz. Şimdi, bu dört kurslu Uzmanlıkta modelinizi eğitmek için çeşitli dağıtım senaryolarında gezinmeyi ve verileri daha verimli kullanmayı öğrenin.

Online giriş kursları
deeplearning.ai: Yapay Zeka, Makine Öğrenimi ve Derin Öğrenme için TensorFlow'a Giriş

TensorFlow ekibiyle işbirliği içinde geliştirilen bu kurs, TensorFlow Uygulama Uzmanlığının bir parçasıdır ve size TensorFlow'u kullanmak için en iyi uygulamaları öğretecektir.

Online giriş kursları
Udacity: Derin Öğrenme için TensorFlow'a Giriş

TensorFlow ekibi ve Udacity tarafından geliştirilen bu çevrimiçi kursta, TensorFlow ile derin öğrenme uygulamalarının nasıl oluşturulacağını öğreneceksiniz.

Online giriş kursları
deeplearning.ai: Uygulama Uzmanlığında TensorFlow

Bir TensorFlow geliştiricisi tarafından öğretilen bu dört kurslu Uzmanlık bölümünde, TensorFlow'da ölçeklenebilir yapay zeka destekli algoritmalar oluşturmak için kullanılan araçları ve yazılım geliştiricilerini keşfedeceksiniz.

Online giriş kursları
deeplearning.ai: Derin Öğrenme Uzmanlığı

Beş kursta, Derin Öğrenmenin temellerini öğrenecek, sinir ağlarının nasıl kurulacağını anlayacak ve başarılı makine öğrenimi projelerine nasıl liderlik edeceğinizi ve yapay zeka alanında bir kariyer inşa etmeyi öğreneceksiniz. Sadece teoriye hakim olmayacaksınız, aynı zamanda endüstride nasıl uygulandığını da göreceksiniz.

Online giriş kursları
Stanford kursu CS231n: Görsel Tanıma için Evrişimli Sinir Ağları

Bu kurs, bilgisayarla görme görevleri için uçtan uca modellerin, özellikle görüntü sınıflandırmasının öğrenilmesine odaklanan derin öğrenme mimarilerinin ayrıntılarına derinlemesine bir dalıştır. Kursun önceki yinelemelerinden ders videolarını, slaytları ve geçmiş müfredat notlarını keşfedin.

Online giriş kursları
MIT kursu 6. S191: Derin Öğrenmeye Giriş

MIT'den alınan bu kursta, derin öğrenme algoritmaları hakkında temel bilgiler edinecek ve TensorFlow'da sinir ağları oluşturmada pratik deneyim kazanacaksınız.

Diğer kaynaklar

Üretim ardışık düzenleri oluşturmak isteyen mobil ve web geliştiricileri ve kullanıcılar için, ihtiyaçlarınıza özel TensorFlow kitaplıkları ve çerçevelerimiz dahil, başlamanıza yardımcı olmak için favori kaynaklarımızı bir araya getirdik.

Online giriş kursları
Ashi Krishnan'dan JS'de Derin Öğrenme

Deeplearn.js kullanarak, derin öğrenme sistemlerinin nasıl öğrendiğini öğrenin ve nasıl düşündüklerini inceleyin.

Online giriş kursları
TensorFlow tarafından TensorFlow.js ile başlarken

TensorFlow.js ile makine öğrenimi modellerini eğitmeyi ve yürütmeyi araştıran ve doğrudan tarayıcıda çalıştırılan JavaScript'te bir makine öğrenimi modelinin nasıl oluşturulacağını gösteren 3 bölümlük bir seri.

Online giriş kursları
TensorFlow.js: Kodlama Treniyle Zeka ve Öğrenme Serisi

Makine öğrenimi ve sinir ağları oluşturmayla ilgili daha büyük bir serinin parçası olan bu video oynatma listesi, temel API olan TensorFlow.js'ye ve makine öğrenimi modellerini eğitmek ve dağıtmak için JavaScript kitaplığının nasıl kullanılacağına odaklanıyor.

Online giriş kursları
Deeplizard tarafından JavaScript ile TensorFlow.js Derin Öğrenme

Bu seri, istemci tarafı yapay sinir ağları kavramını tanıtmaktadır. İstemci-sunucu derin öğrenme mimarileri, Keras modellerini TFJS modellerine dönüştürme, Node.js ile modeller sunma, tarayıcıda eğitim ve aktarım öğrenimi ve daha fazlası hakkında bilgi edinin.

Online giriş kursları
TensorFlow Extended: Üretimde Gerçek Dünya Makine Öğrenimi

Kendi üretim ML ardışık düzenlerinizi oluşturmak için TensorFlow Extended (TFX) kullanımına ilişkin TensorFlow ekibinden beş bölümlük bir dizi.

Online giriş kursları
Cihazınızda Makine Öğrenimi: Seçenekler (Google I / O'19)

Google I / O'nun bu oturumu, mobil uygulamaları ve uç cihazları geliştirmek için makine öğrenimini kullanmak için mevcut olan çeşitli seçenekleri aydınlatacak. Modelleri eğitmek için TensorFlow Lite'ın nasıl kullanılabileceğini ve bunları çeşitli cihazlarda nasıl kullanacağınızı öğrenin.

Matematik kavramları

Makine öğrenimi bilginizle daha derine inmek için, bu kaynaklar, daha yüksek düzeyde ilerleme için gerekli temel matematik kavramlarını anlamanıza yardımcı olabilir.

Matematik kavramları
Google Developers Makine Öğrenimi Hızlandırılmış Kursu

TensorFlow API'leri ile Makine Öğrenimi Hızlı Kursu, gelecek vadeden makine öğrenimi uygulayıcıları için kendi kendine çalışma kılavuzudur. Video konferanslar, gerçek dünya vaka çalışmaları ve uygulamalı alıştırma alıştırmaları içeren bir dizi ders içerir.

Matematik kavramları
Coursera: Makine Öğrenimi Uzmanlığı için Matematik

Coursera'nın bu çevrimiçi uzmanlığı, matematik ve makine öğrenimi arasındaki boşluğu doldurmayı, sezgisel bir anlayış oluşturmak için sizi temeldeki matematikte hızlandırmayı ve bunu Makine Öğrenimi ve Veri Bilimi ile ilişkilendirmeyi amaçlamaktadır.

Matematik kavramları
3blue1brown tarafından derin öğrenme

3blue1brown, matematiği görseller öncelikli bir yaklaşımla sunma etrafında şekilleniyor. Bu video serisinde, bir sinir ağının temellerini ve matematik kavramlarıyla nasıl çalıştığını öğreneceksiniz.

Matematik kavramları
Essence of Linear Cebir, 3blue1brown tarafından

3blue1brown'dan matrisler, determinantlar, öz-maddeler ve daha fazlasının geometrik anlayışını açıklayan bir dizi kısa, görsel video.

Matematik kavramları
Analiz Özü, 3blue1brown tarafından

Analizin temellerini size denklemlerin nasıl çalıştığını değil, temel teoremleri güçlü bir şekilde anlamanızı sağlayacak şekilde açıklayan 3blue1brown'dan bir dizi kısa, görsel video.

Matematik kavramları
MIT kursu 18.06: Doğrusal Cebir

MIT'den gelen bu giriş dersi matris teorisi ve doğrusal cebiri kapsar. Denklem sistemleri, vektör uzayları, determinantlar, özdeğerler, benzerlik ve pozitif tanımlı matrisler gibi diğer disiplinlerde faydalı olacak konulara vurgu yapılır.

Matematik kavramları
MIT kursu 18.01: Tek Değişkenli Analiz

MIT'den alınan bu giriş niteliğindeki analiz kursu, tek değişkenli fonksiyonların uygulamalarla farklılaşmasını ve entegrasyonunu kapsar.

Matematik kavramları
Görme Teorisi

Olasılık ve istatistiğe görsel bir giriş.

Matematik kavramları
R'deki Uygulamalar ile İstatistiksel Öğrenmeye Giriş, James, G., Witten, D., Hastie, T. ve Tibshirani, R.

Bu kitap, makine öğreniminde modelleri eğitmek için gereken geniş ve karmaşık veri kümeleri dünyasını anlamlandırmak için gerekli bir araç seti olan istatistiksel öğrenme alanına erişilebilir bir genel bakış sağlar.

İnsan merkezli AI

Bir ML modeli tasarlarken veya AI odaklı uygulamalar oluştururken, ürünle etkileşimde bulunan kişileri ve bu AI sistemlerinde adalet, yorumlanabilirlik, gizlilik ve güvenlik oluşturmanın en iyi yolunu dikkate almak önemlidir.

İnsan merkezli AI
Sorumlu AI

TensorFlow'u kullanarak Sorumlu AI uygulamalarını makine öğrenimi iş akışınıza nasıl entegre edeceğinizi öğrenin.

İnsan merkezli AI
İnsanlar + AI rehberi

Google'ın bu rehber kitabı, insan merkezli yapay zeka ürünleri oluşturmanıza yardımcı olacaktır. Yapay zeka odaklı uygulamalar oluştururken yaygın hatalardan kaçınmanıza, mükemmel deneyimler tasarlamanıza ve insanlara odaklanmanıza olanak tanır.

İnsan merkezli AI
Makine Öğrenimi modülünde Adilliğe Giriş

Google'ın MLCC'sindeki bu bir saatlik modül, öğrencilere eğitim verilerinde ortaya çıkabilecek farklı insan önyargı türlerini ve bunların etkilerini belirleme ve değerlendirme stratejilerini tanıtır.