Çevrimiçi Kurs – Packt Institute Ultimate Fireworks 2024’te Akredite Profesyonel Staj

Kapsamlı ve pratik bir kursta PyTorch ile derinlemesine öğrenin. Regresyon modelleri, evrişimli sinir ağları, GAN’lar, NLP, öneri sistemleri, transformatörler ve daha fazlasındaki modeller geliştirin, dağıtın ve yenilik yapın.

Suggested by: Coursera (What is Coursera?)

Professional Certificate

başlangıç Orta seviye ilerleyen dahil olmuş

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • Tekrarlayan Sinir Ağları (RNN)
  • ağ üretimi (GAN)
  • PowerTorch (Makine Öğrenimi Kitaplığı)
  • Evrişimli Sinir Ağları (CNN)
  • doğal dil işleme (NLP)

What you will learn in the course

Courses for which the course is suitable

  • Yapay zeka geliştiricisi
  • veri bilimcisi
  • Makine öğrenimi mühendisi
  • PyTorch konusunda uzmanlaşmış yazılım geliştiricisi
  • Derin öğrenme uzmanı
  • veri analisti
  • Veri Mühendisi
  • Yapay zeka alanında araştırmacı

Staj – 3 bölümlük kurs serisi

PyTorch Ultimate 2024 kursumuzla Dönüştürücü bir öğrenme deneyimine başlayın. Güçlü bir temelle başlayın, temel konuları ve hedefleri anlayın ve makine öğreniminin temelleri ile derin öğrenmenin ilkeleri arasında sorunsuz bir şekilde ilerleyin. Ortamınızın kurulumundan tensörlerin ve sinir ağlarının kontrolüne kadar her parça uzmanlığınızı geliştirmek için özenle inşa edilmiştir.

Kurs neleri içeriyor?

  • Hesaplamalı öğrenmenin temelleri
  • Derin öğrenmenin ilkeleri
  • Ortamı ayarlama
  • Tensörlerin ve sinir ağlarının kontrolü

Gelişmiş modüller PyTorch, CNN’ler, RNN’ler, GAN’lar ve daha fazlasının görselleştirilmesini derinlemesine inceleyerek hızla gelişen yapay zeka alanında ön sıralarda yer almanızı sağlar. Uygulamalı kod alıştırmaları ve gerçek dünya uygulamalarıyla bu kurs, PyTorch uzmanı olmanıza açılan kapıdır.

Kurs için kimler var?

  • Teknoloji profesyonelleri
  • veri bilimcileri
  • Yapay zeka meraklıları

Python ve makine öğreniminin temelleri konusunda daha önceden deneyiminizin olması önerilir. Kursun sonunda karmaşık yapay zeka projeleriyle başa çıkma ve PyTorch’u yenilikçi çözümler için kullanma becerileriyle donatılacaksınız.

Pratik bir öğrenme projesi

Dahil edilen projeler, öğrencilerin becerilerini gerçek dünyadaki problemlere uygulayabilecekleri uygulamalı deneyimler sunar. Bu projeler şunlardan oluşur:

  • Sıfırdan sinir ağları oluşturma
  • Görüntüleri, sesleri ve nesneleri tanıma görevleri için karmaşık modellerin geliştirilmesi

Öğrenciler bu projelere katılarak gerçek sorunları çözecek ve çeşitli pratik senaryolarda güçlü derin öğrenme çözümlerini uygulama becerilerini geliştirecekler.

Details of the courses that make up the specialization

FireTorch Temelleri ve Temel Terimler

Kurs 1 • 6 saat

Kurs detayları

ne öğreneceksin

  • FireTorch ortamının kurulması ve yapılandırılması.
  • Yapay zeka ve makine öğrenimindeki temel kavramları anlayın.
  • Çeşitli optimizasyon tekniklerini kullanarak sinir ağlarını sıfırdan oluşturun, eğitin ve değerlendirin.
  • PowerTorch’u pratik derin öğrenme görevlerine uygulayın.

Nether becerileri edinin

  • Kategori: derin öğrenme
  • Kategori: makine öğrenimi
  • Kategori: PowerTorch (Makine Öğrenimi Kitaplığı)
  • Kategori: sinir ağı

FireTorch ile sinir ağlarını oluşturma ve eğitme

Kurs 2 • 7 saat

Kurs detayları

ne öğreneceksin

  • Çeşitli görevler için FireTorch ile sinir ağları oluşturun ve eğitin.
  • Çok kategorili ve çok etiketli veri kümelerine sahip sınıflandırma modellerini ve görüntü ve ses sınıflandırması için CNN’leri uygulayın.
  • YOLO algoritmasıyla nesne algılama tekniklerini kullanın.
  • Sinir stili aktarımını, aktarım öğrenimini araştırın ve RNN’leri ve LSTM ağlarını uygulayın.

Nether becerileri edinin

  • Kategori: Tekrarlayan Sinir Ağı (RNN)
  • Kategori: PowerTorch (Makine Öğrenimi Kitaplığı)
  • Kategori: CNN
  • Kategori: YOLO
  • Kategori: Sınıflandırma modelleri

Gelişmiş PowerTorch teknikleri ve uygulamaları

Kurs 3 • 11 saat

Kurs detayları

ne öğreneceksin

  • Performansı uygun ölçümlerle değerlendirerek belirli veri kümeleri için makine öğrenimi modelleri oluşturun ve değerlendirin.
  • Kaliteyi analiz ederken boyutluluğu azaltmak için otomatik kodlayıcılar tasarlamak ve veri görselleştirmesi için GAN’lar oluşturmak.
  • Grafik verileri için grafik sinir ağlarının geliştirilmesi ve Vision Transformers dahil Transformers’ın uygulanması.
  • Sınırlı verileri kullanarak modelleri yarı denetimli öğrenmeye yükseltme ve bunları Google Cloud’da Flask ile dağıtma.

Nether becerileri edinin

  • Kategori: Transformatörler
  • Kategori: otomatik karartıcılar
  • Kategori: öneri sistemleri
  • Kategori: Ateş Meşalesi Yıldırım
  • Kategori: GAN’lar