Çevrimiçi kurs – Stanford Üniversitesi’nden makine öğrenimi alanında sertifikalı profesyonel uzmanlık

Uzmanlık – 3 bölümlük kurs serisi

Makine Öğrenimi Uzmanlığı, DeepLearning.AI ve Stanford Üniversitesi işbirliğiyle oluşturulan temel bir çevrimiçi programdır. Yeni başlayanlara yönelik bu program, size makine öğreniminin temellerini ve bu teknikleri gerçek dünyadaki yapay zeka uygulamalarını oluşturmak için nasıl kullanacağınızı öğretecektir.

uzmanlık hakkında

Uzmanlık, Stanford Üniversitesi’nde önemli araştırmalar yürüten ve yapay zeka alanını ilerletmek için Google Brain, Baidu ve Landing.AI’da çığır açan çalışmalar yapan yapay zeka vizyoneri Andrew Ng tarafından sunuluyor.

3 bölümlük kurs serisi, Andrew’un 5 üzerinden 4,9 puan alan ve 2012’de başlatıldığından bu yana 4,8 milyondan fazla öğrenci tarafından alınan yenilikçi makine öğrenimi kursunun güncellenmiş bir versiyonudur. Aşağıdakiler de dahil olmak üzere modern makine öğrenimine geniş bir giriş sağlar:

• Denetimli öğrenme (çoklu doğrusal regresyon, lojistik regresyon, sinir ağları ve karar ağaçları)
• Denetimsiz öğrenme (kümeleme, boyut azaltma, öneri sistemleri)
• Silikon Vadisi’nde yapay zeka ve makine öğrenimi alanında inovasyon için kullanılan en iyi uygulamalardan bazıları (model değerlendirme, model yönlendirme ve performansı artırmak için veri odaklı bir yaklaşım vb.)

Uzmanlığın sonunda temel kavramlarda uzmanlaşacak ve makine öğrenimini gerçek dünyadaki zorlu sorunlara hızlı ve verimli bir şekilde uygulamak için pratik bilgilerden yararlanacaksınız. Yapay zeka dünyasına girmek veya makine öğrenimi alanında kariyer yapmak istiyorsanız yeni makine öğrenimi uzmanlığı, başlamak için en iyi yerdir.

Pratik bir öğrenme projesi

Bu uzmanlığın sonunda hazır olacaksınız:

• NumPy ve scikit-learn gibi popüler kitaplıkları kullanarak Python’da makine öğrenimi modelleri oluşturun.
• Doğrusal regresyon ve lojistik regresyon dahil ikili tahmin ve sınıflandırma görevleri için denetimli makine öğrenimi modelleri oluşturun ve eğitin.
• Çok katmanlı sınıflandırmayı gerçekleştirmek için TensorFlow’u kullanarak bir sinir ağı oluşturun ve eğitin.
• Modellerinizin gerçek dünya verilerine ve görevlerine uyması için makine öğrenimi geliştirmeye yönelik en iyi uygulamaları uygulayın.
• Rastgele ormanlar ve güçlendirilmiş ağaçlar da dahil olmak üzere karar ağaçları ve ağaç enzimi yöntemlerini oluşturun ve kullanın.
• Denetimsiz öğrenme tekniklerini kullanın: kümeleme ve anormallik tespiti dahil.
• İşbirliğine dayalı filtreleme yaklaşımı ve içerik tabanlı derin öğrenme yöntemiyle öneri sistemleri oluşturmak.
• Derin bir kendi kendine öğrenme modeli oluşturun.