Makine Öğrenimi Hızlandırılmış Kursu

Google'ın makine öğrenimine hızlı ve pratik bir giriş niteliğindeki bu video dersler, etkileşimli görselleştirmeler ve uygulamalı alıştırmalar içeren bir dizi ders içerir.
Crash Course'u Başlat Kurs modüllerine göz atın Ön koşulları göster
2018'den beri dünya çapında milyonlarca kişi, makine öğreniminin işleyiş şeklini ve makine öğreniminin onlar için nasıl yararlı olabileceğini öğrenmek için Makine Öğrenimi Crash Course'a başvurdu. Etkileşimli öğrenime daha fazla odaklanılarak yapay zeka alanındaki son ilerlemeleri kapsayan, yenilenmiş bir MLCC sürümünün kullanıma sunulduğunu duyurmaktan mutluluk duyuyoruz. Yeni ve geliştirilmiş MLCC hakkında daha fazla bilgi edinmek için bu videoyu izleyin.

Kurs Modülleri

Makine Öğrenimi Hızlandırılmış Kursu modüllerinin hepsi bağımsız olduğundan, daha önce makine öğrenimi konusunda deneyiminiz varsa öğrenmek istediğiniz konulara doğrudan atlayabilirsiniz. Makine öğrenimi konusunda yeniyseniz modülleri aşağıdaki sırayla tamamlamanızı öneririz.

ML Modelleri

Bu modüller, regresyon ve sınıflandırma geliştirmeyle ilgili temel bilgileri ele alır modeller.

Doğrusal modeller, kayıp, gradyan azalma ve hiperparametre ayarını kapsayan doğrusal regresyona giriş.
Makine öğrenimi modellerinin belirli bir sonucun olasılığını tahmin etmek için tasarlandığı mantıksal regresyona giriş.
Eşik, karışıklık matrislerinin yanı sıra doğruluk, hassasiyet, geri çağırma ve AUC gibi metrikleri kapsayan ikili sınıflandırma modellerine giriş.

Veriler

Bu modüller, makine öğrenimi verileriyle çalışmaya yönelik temel teknikleri ve en iyi uygulamaları kapsar.

ML modellerinin daha etkili bir şekilde eğitilmesine yardımcı olmak için sayısal verileri nasıl analiz edip dönüştüreceğinizi öğrenin.
Kategorik verilerle çalışmayla ilgili temel bilgileri öğrenin: Kategorik verilerin sayısal verilerden nasıl ayırt edileceği, kategorik verilerin tek sıcak kodlama, özellik karması ve ortalama kodlama kullanılarak sayısal olarak nasıl temsil edileceği ve özelliklere çapraz geçişlerin nasıl yapılacağı.
Makine öğrenimi veri kümelerinin özelliklerine ve modelinizi eğitip değerlendirirken yüksek kaliteli sonuçlar sağlamak için verilerinizi nasıl hazırlayacağınıza giriş.

Gelişmiş ML modelleri

Bu modüller gelişmiş makine öğrenimi modeli mimarilerini kapsar.

Algılar, gizli katmanlar ve aktivasyon fonksiyonları dahil, nöral ağ mimarilerinin temel ilkelerine giriş.
Yerleştirme sayesinde büyük özellik vektörlerinde nasıl makine öğrenimi gerçekleştirebileceğinizi öğrenin.
Yeni
Jetonlar ve Dönüştürücüler gibi büyük dil modellerine giriş. LLM'lerin metin çıktısını tahmin etmeyi nasıl öğrendiği ve nasıl tasarlanıp eğitildiğiyle ilgili temel bilgileri öğrenin.

Gerçek dünyada makine öğrenimi

Bu modüllerde üretimle ilgili en iyi uygulamalar, otomasyon ve sorumlu mühendislik de dahil olmak üzere gerçek dünyada makine öğrenimi modelleri derlenir ve dağıtılırken dikkat edilmesi gereken kritik noktalar ele alınır.

Bir makine öğrenimi üretim sisteminin çok çeşitli bileşenlerde nasıl çalıştığını öğrenin.
Yeni
Otomatik makine öğrenimini kullanmaya yönelik ilkeleri ve en iyi uygulamaları öğrenin.
Verilerdeki yanlılıkları tespit edip azaltmaya yönelik stratejiler dahil olmak üzere ML modellerini adalet amacıyla denetlemeye yönelik ilkeleri ve en iyi uygulamaları öğrenin.