|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/sifirdan-uzmanliga-deep-learning/
课程评论：没有评论
**课程名称：** Sıfırdan Uzmanlığa Deep Learning (从零开始的深度学习) **课程概述：** 本课程旨在系统性地介绍深度学习的核心概念、方法和实际应用。课程共分为四个主要部分： 1. **深度学习入门：** * 本部分将深入讲解深度学习模型构建中的基础概念和关键词。 * 通过手动编码（不使用Tensorflow和Keras）来理解激活函数等关键组件的原理和作用，为后续学习打下坚实基础。 2. **Tensorflow与Keras：** * 在掌握了基础知识后，本部分将引导学员使用Tensorflow和Keras这两个主流深度学习框架来构建和优化模型。 * 将第一部分学习到的知识与框架结合，学习更高级的建模技术，并通过实际案例进行巩固。 3. **循环神经网络 (RNN)：** * 本部分将聚焦于自然语言处理 (NLP) 领域，重点讲解RNN模型。 * 学习RNN如何让计算机理解人类语言，并通过实际操作加深理解。 4. **卷积神经网络 (CNN)：** * 本部分将深入图像处理领域，重点讲解CNN模型。 * 学习如何使用CNN进行图像识别和分类，以及如何构建CNN架构来完成端到端的图像处理项目。 课程希望帮助学员在深度学习的学习旅程中获得丰富的知识。
Merhaba Sevgili Bilgi Arayan,Bu kurs içerisinde bizi nelerin beklediğini kısaca bir özetini bu alanda bulabilirsiniz. 4 Ana bölümden oluşan bu kursta aşağıdaki ana başlıklarda şu konuları işliyoruz.1- Derin Öğrenmeye Giriş: Derin öğrenmede bir modeli kurarken ne kadar karmaşık ya da basit olursa olsun her zaman kullanacağımız başvuracağımız bazı anahtar kelimeler ve fonksiyonlar var. Örneğin aktivasyon Fonksiyonlarını sıkça kullanıyoruz. Bu bölüm derin öğrenmedeki temel konseptleri ve metodolojileri sanki Tensorflow ve Keras hiç icat edilmemiş gibi elimizle kodlayarak neyi neden kullandığımızı öğrendiğimiz bölüm olarak karşımıza çıkıyor.2-Tensorflow ve Keras: Bir Derin Öğrenme projesindeki tüm bileşenleri tek tek elimizle kodlamamız tahmin edeceğiniz gibi imkansız. İlk bölümde elimizle kodladığımız tüm bilgileri bu sefer Tensorflow ve Keras üzerinden modeller kurarak hem detaylandırıyor hem de bunların üstüne yeni bilgiler katıyoruz. Bölüm sonunda tüm bu öğrendiklerimizi bir örnek ile adım adım pekiştiriyoruz.3- RNN: Derin Öğrenme dediğimizde bana göre en havalı olan alan Doğal Dil İşleme alanı. Bir bilgisayarın aynı bir insan gibi yazılanları anlayabildiği bir dünyada yaşıyoruz bugün. Şu anda belki o kadar büyük bir örnek yapmayacağız ancak bir bilgisayar nasıl bir insan gibi cümleleri anlayabilir dediğimizde karşımıza çıkan RNN Sinir Ağı modelini detaylıca öğreneceğiz. Bu öğrenme sürecimizde hem bölüm içerisinde hem de bölüm sonunda yaptığımız uygulamalar ile de öğrendiklerimizi pekiştirmiş olacağız.4.CNN: Yine bana göre ikinci en havalı derin öğrenme alanı ise Görüntü İşleme. Bir bilgisayar gözleri olmadığı halde videoları izleyip oradaki nesneleri tanıyabiliyor, sınıflandırabiliyor. Bu teknolojilerin sonu her ne kadar yok gibi görünse de bir başlangıç noktası bulunmakta. Fotoğraflar. Kursun bu bölümünde CNN ile bir görüntü işleme projesi nasıl yapılır ve bu projeyi uçtan uca kodlarken bir CNN mimarisi nasıl inşa edilir bunu görüp bölüm içindeki tüm çalışmalarımızı da bir örnek ile taçlandıracağız.Şimdiden bu kurstaki yolculuğunuzda bilgi bulmanız dileğiyle…
