Makine Öğrenimi Hızlandırılmış Kursu

Google'ın bir dizi animasyonlu video, etkileşimli görselleştirme ve uygulamalı alıştırma içeren, makine öğrenimine hızlı ve pratik bir girişi.
Hızlandırılmış Kursu Başlat Ders Modüllerine Göz At Ön Koşulları Görüntüle Yardım Merkezi
2018'den bu yana dünya çapında milyonlarca kişi, makine öğreniminin işleyiş şeklini ve kendileri için nasıl faydalı olabileceğini öğrenmek üzere Makine Öğrenimi Hızlandırılmış Kursu'nu kullandı. Yapay zekadaki son gelişmeleri kapsayan ve etkileşimli öğrenmeye daha fazla odaklanan MLCC'nin yenilenmiş bir sürümünü kullanıma sunduğumuzu duyurmaktan mutluluk duyuyoruz. Yeni ve geliştirilmiş MLCC hakkında daha fazla bilgi edinmek için bu videoyu izleyin.

Ders Modülleri

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

ML Modelleri

Bu modüller, regresyon ve sınıflandırma modelleri oluşturmanın temellerini kapsar.

Doğrusal modeller, kayıp, gradyan azalma ve hiperparametre ayarlamayı kapsayan doğrusal regresyona giriş.
ML modellerinin belirli bir sonucun olasılığını tahmin etmek üzere tasarlandığı mantıksal regresyona giriş.
Eşik belirleme, karışıklık matrisleri ve doğruluk, hassasiyet, geri çağırma ve AUC gibi metrikleri kapsayan ikili sınıflandırma modellerine giriş.

Veri

Bu modüller, makine öğrenimi verileriyle çalışmayla ilgili temel teknikleri ve en iyi uygulamaları kapsar.

Makine öğrenimi modellerini daha etkili bir şekilde eğitmek için sayısal verileri nasıl analiz edeceğinizi ve dönüştüreceğinizi öğrenin.
Kategorik verilerle çalışmanın temellerini öğrenin: kategorik verileri sayısal verilerden ayırma, tek sıcak kodlama, özellik karma oluşturma ve ortalama kodlama kullanarak kategorik verileri sayısal olarak temsil etme ve özellik çaprazlama yapma.
Makine öğrenimi veri kümelerinin özelliklerine ve modelinizi eğitip değerlendirirken yüksek kaliteli sonuçlar elde etmek için verilerinizi nasıl hazırlayacağınıza dair bir giriş.

Gelişmiş ML modelleri

Bu modüller, gelişmiş makine öğrenimi modeli mimarilerini kapsar.

Perceptronlar, gizli katmanlar ve etkinleştirme işlevleri dahil olmak üzere, nöral ağ mimarilerinin temel ilkelerine giriş.
Yerleşimlerin büyük özellik vektörlerinde makine öğrenimi yapmanıza nasıl olanak tanıdığını öğrenin.
Yeni
Jetonlardan dönüştürücülere kadar büyük dil modellerine giriş. LLM'lerin metin çıktısını tahmin etmeyi öğrenmesinin yanı sıra nasıl tasarlandığını ve eğitildiğinin temellerini öğrenin.

Gerçek dünyada ML

Bu modüller, üretime aktarmayla ilgili en iyi uygulamalar, otomasyon ve sorumlu mühendislik dahil olmak üzere gerçek dünyada ML modelleri oluşturup dağıtırken dikkat edilmesi gereken kritik noktaları kapsar.

Makine öğrenimi üretim sisteminin çeşitli bileşenlerde nasıl çalıştığını öğrenin.
Yeni
Otomatik makine öğrenimini kullanmayla ilgili ilkeleri ve en iyi uygulamaları öğrenin.
Verilerdeki önyargıları tespit etme ve azaltma stratejileri de dahil olmak üzere, makine öğrenimi modellerini adalet açısından denetlemeyle ilgili ilkeleri ve en iyi uygulamaları öğrenin.