Ön Koşul
Temel python programlama becerileri, Temel matematik becerileri, Makine öğrenimi temelleri hakkında temel bilgiler öğrenilmesi tavsiye edilmektedir.
Eğitim Hakkında
Deep Learning with Python, Robotik, Doğal Dil İşleme, Görüntü Tanıma ve Yapay Zeka gibi çeşitli alanlarda en güçlü Makine öğrenme yöntemidir.Eğitimimiz temel kavramlar hakkında pratik bir yaklaşımla kaliteli bir eğitim vermeyi amaçlamıştır. Mevcut endüstri kullanım durumlarına ve senaryolarına bu şekilde maruz kalma, öğrencilerin becerilerini geliştirmelerine ve en iyi uygulamalarla gerçek zamanlı projeler gerçekleştirmelerine yardımcı olacaktır.
Sertifika:
Eğitimlerimize %80 oranında katılım gösterilmesi ve eğitim müfredatına göre uygulanacak sınav/projelerin başarıyla tamamlanması durumunda, eğitimin sonunda dijital ve QR kod destekli “BT Akademi Başarı Sertifikası” verilmektedir.
Eğitim İçeriği
▪ Introduction to DL problems
▪ DL terminologies
▪ DL project workflow
▪ DL real life examples
▪ Working with Jupyter notebooks
▪ Markdown and Code blocks
▪ Keyboard shortcuts
▪ Python syntax
▪ Basic data types
▪ Basic data structures
▪ Numpy Arrays
▪ Plotting using Matplotlib
▪ Pandas Dataframes
▪ Introduction to Keras
▪ What is a Neuron
▪ What are Activation Functions
▪ How does a neural network learn?
▪ Gradient Descent
▪ Stochastic Gradient Descent
▪ Back Propagation
▪ Artificial Neural Networks in Keras
▪ Linear model (No Hidden Layers)
▪ Neural network with a single hidden layer
▪ Image representation
▪ ConvNets or CNN
▪ Convolution Layer
▪ Padding
▪ How do we learn these kernels?
▪ Can we force a particular kernel to learn to recognize a specific feature?
▪ Non-Linear Activations
▪ Downsampling or Pooling
▪ Full Connection
▪ Loading MNIST data
▪ Implementation of CNN in Keras
▪ Introduction to Auto Encoders
▪ Why learn identity function?
▪ Properties of learned function
▪ Real world applications of Autoencoders
▪ MNIST Dimensionality Reduction
▪ A Simple Autoencoder
▪ Functional API
▪ Deep Autoencoder
▪ Convolutional Autoencoder
▪ Image Denoising
▪ Data Specific Encoding and Decoding
▪ Introduction to Recurrent Neural Networks
▪ Sequence Learning
▪ Regular Neural Network
▪ Simple RNN
▪ Problems with RNN
▪ Long Short Term Memory (LSTM)
▪ Stacked (Deep) LSTM Model
▪ Deep Stacked LSTM with Stateful Cells
▪ Gated Recurrent Unit
Neden Bu Eğitimi Almalısınız ?
▪ Fundamentals of Deep Learning techniques
▪ Artificial Neural networks and their architecture
▪ Building and training the deep neural networks from scratch.
▪ Convolutional Neural Networks (CNN)
▪ Different optimization techniques to tune the learning of any neural network
▪ Pointers to next frontiers in CNN and Deep Learning
Önemli Notlar
Program ücretlerine KDV dahil değildir.
Paylaş: