Deep Learning with Python Eğitimi

Eğitim Hakkında

Eğitim, Python programlama dilinin temel ve ileri düzey konularıyla başlayarak derin öğrenme konseptlerine ayrıntılı bir giriş sunmaktadır. Jupyter Notebook kullanımı, veri yapıları, yapay sinir ağları, erişimli sinir ağları, oto-kodlayıcılar ve tekrarlayan sinir ağları gibi konular detaylı bir şekilde ele alınmaktadır. Eğitimde ayrıca gerçek hayattan örnekler ve Keras kütüphanesi ile uygulamalı dersler de bulunmaktadır. Katılımcılar, derin öğrenmenin temellerini kavramak ve bu alandaki projeleri gerçekleştirmek için gereken bilgi ve becerilere sahip olacaklardır.

Ön Koşul

Katılımcıların temel düzeyde Python programlama diline ve makine öğrenmesi konularına hakim olması gerekmektedir.

Eğitim İçeriği

Deep Learning Introduction

Introduction to DL problems
DL Terminologies
DL Project Workflow
DL Real Life Examples

Jupyter Notebook Introduction

Working with Jupyter Notebooks
Markdown and Code Blocks
Keyboard Shortcuts

Python Basics

Python Syntax
Basic Data Types
Basic Data Structures

Python Advanced

Numpy Arrays
Plotting using Matplotlib
Pandas Dataframes
Introduction to Keras

Artificial Neural Networks (ANN)

What is a Neuron
What are Activation Functions
How Does a Neural Network Learn?
Gradient Descent
Stochastic Gradient Descent
Back Propagation
Artificial Neural Networks in Keras
Linear Model (No Hidden Layers)
Neural Network with a Single Hidden Layer

Convolutional Neural Networks (CNN)

Image Representation
ConvNets or CNN
Convolution Layer
Padding
How Do We Learn these Kernels?
Can We Force a Particular Kernel to Learn to Recognize a Specific Feature?
Non-Linear Activations
Downsampling or Pooling
Full Connection
Loading MNIST Data
Implementation of CNN in Keras

Auto Encoders (AE)

Introduction to Auto Encoders
Why Learn Identity Function?
Properties of Learned Function
Real World Applications of Autoencoders
MNIST Dimensionality Reduction
A Simple Autoencoder
Functional API
Deep Autoencoder
Convolutional Autoencoder
Image Denoising
Data Specific Encoding and Decoding

Recurrent Neural Networks (RNN)

Introduction to Recurrent Neural Networks
Sequence Learning
Regular Neural Network
Simple RNN
Problems with RNN
Long Short Term Memory (LSTM)
Stacked (Deep) LSTM Model
Deep Stacked LSTM with Stateful Cells
Gated Recurrent Unit

Kazanımlar

Derin öğrenme konularında temel bilgileri sağlamak

Python programlama dilindeki temel ve ileri düzey konuları öğretmek

Yapay sinir ağları, evrişimli sinir ağları, oto-kodlayıcılar ve tekrarlayan sinir ağları gibi derin öğrenme tekniklerini öğrencilere tanıtmak

Keras kütüphanesi ile gerçek hayattan örnekler üzerinde uygulamalı dersler yapmak

Katılımcıları, derin öğrenme konularında bilgi ve becerilerini artırmak için motive etmek

Hedef Kitle

Yazılım Geliştiriciler ve Mühendisler

Makine Öğrenmesi Uzmanları

Endüstri 4.0 ve IoT Uzmanları

Veri Bilimcileri ve Analistleri

Bilgisayar Mühendisleri ve Bilgi Teknolojileri Profesyonelleri

BT Yöneticileri

Sertifika

Eğitimlerimize %80 oranında katılım gösterilmesi ve eğitim müfredatına göre uygulanacak sınav/projelerin başarıyla tamamlanması durumunda, eğitimin sonunda dijital ve QR kod destekli “BT Akademi Başarı Sertifikası” verilmektedir.