Python ile Yapay Zekaya Giriş
A course by Rodrigo MontemayorProgramcı
A course by Rodrigo Montemayor, Programcı
Yapay zekanın temellerini ve problem çözmede nasıl uygulanacağını öğrenin
Makine öğrenimi sayesinde tüm endüstriler çalışma şekillerinde devrim yaratıyor. Bu çevrimiçi kursta uzman programcı Rodrigo Montemayor size Python ile yapay zekanın temellerini sıfırdan öğretecek.
Dersler boyunca bunun ne olduğunu, nasıl çalıştığını, hangi türlerinin mevcut olduğunu ve makine öğreniminin çeşitli sorunları çözmek için nasıl uygulanabileceğini öğreneceksiniz. Yapay zekanın geleceğinin parçası olmaya hazır olun.
Bu çevrimiçi kursta ne öğreneceksiniz?
1 ders & 1 indirme
Çalışma ortamının ayarlanması
14 dakika, 25 saniye
Python kütüphaneleri
2 dakika, 38 saniye
İlk modeliniz: doğrusal regresyon
16 dakika, 38 saniye
Ayrıntılı olarak doğrusal regresyon
4 dakika, 47 saniye
Veri kümeleri ve analizi
20 dakika, 13 saniye
Doğrusal regresyon egzersizi
15 dakika, 21 saniye
Bu kursa neler dahil?
Kursa, sizinle programcı olarak kariyeri ve en büyük referansları hakkında konuşacak olan Profesör Rodrigo Montemayor'u daha iyi tanıyarak başlayacaksınız.
Daha sonra makine öğreniminin ne olduğunu ve farklı endüstrilerde nasıl uygulanabileceğini göreceksiniz. Daha sonra mevcut makine öğrenimi türlerini keşfedeceksiniz.
Bir sonraki ünitede makine öğrenimi kavramlarında bir problem kuracak ve sonuç elde etmek için verilerin gerekli olduğunu anlayacaksınız. Etiketler, özellikler veya kitaplıklar gibi bazı terimleri adım adım öğreneceksiniz. Daha sonra ilk modelinizi doğrusal regresyon kullanarak gerçekleştireceksiniz. Eğitim sürecinin ve kayıp hesaplamasının otomatik olarak iyileşmek için nasıl çalıştığını anlayacak ve en sık karşılaşılan sorunları keşfedeceksiniz.
Daha sonra Rodrigo size veri yönetimi ve temsili konusunda bazı ipuçları verecek. Ayrıca sinir ağlarına ek olarak başka bir model türü olan lojistik regresyondan da bahsedecek. Son olarak, sorunları çözmek için mevcut, önceden eğitilmiş modellerden nasıl yararlanacağınızı öğreneceksiniz.
What is this course's project?
Sinir ağlarını kullanarak kendi görsellerinizi sınıflandırmak ve tespit etmek için kullanılabilecek bir makine öğrenme modeli oluşturacaksınız.
Kurs öğrencilerinin projeleri
Who is this online course for?
Makine öğreniminin temellerini öğrenmekle ilgilenen herkese.
Requirements and materials
Bu kursu gerçekleştirmek için temel Python bilgisine ihtiyacınız olacak.
Yorumlar
- andresarcilaPLUS6 gün önce
Excelente para empezar con el panorama y fundamentos de ML asi como AI yendo al punto y dentro de lo posible creo que de un modo simple. Gracias
- 11 gün önce
pues me esta gustando :D
- 13 gün önce
hasta ahora todo bien
- 16 gün önce
MUY BUENO
- gaspi17PLUS16 gün önce
Explica bien y le presta atencion a las personas que programan en google colab o las que programan en visual studio code
Öte yandan RingaTech YouTube kanalında teknoloji, siber güvenlik ve yapay zeka konularında eğitim ve bilgilendirme amaçlı içerikler paylaşıyor. Kanalın bir parçası olarak kodu halka açık bazı projeler ve oyunlar geliştirdi.
İçerik
- U 1
giriiş
- Sunum
- Etkiler
- U 2
Makine öğreniminin temelleri
- Makine öğrenimi nedir?
- Makine öğrenimi olanakları
- Çalışma ortamının ayarlanması
- U 3
İlk modelleriniz
- Makine öğreniminin türleri ve örnekleri
- Veri: Her modelin temeli
- Python kütüphaneleri
- İlk modeliniz: doğrusal regresyon
- Ayrıntılı olarak doğrusal regresyon
- U 4
Makine öğrenimi algoritmaları
- Veri kümeleri ve analizi
- Doğrusal regresyon egzersizi
- Lojistik regresyon
- Lojistik regresyon egzersizi
- Karar ağaçları
- Karar Ağaçları Alıştırması
- U 5
Daha fazla makine öğrenimi algoritması
- Vektör makineleri desteklemek
- Destek Vektör Makineleri Alıştırması
- K-araçlarıyla kümeleme
- K-aracı ile kümeleme egzersizi
- U 6
Sinir ağları ve derin öğrenme
- Sezgi ve sinir ağlarının nasıl öğrendiği
- Regresyon sinir ağı
- Sınıflandırma sinir ağı 1
- Sınıflandırma sinir ağı 2
- Evrişimler ve filtreler
- Evrişimsel sinir ağları 1
- Evrişimsel sinir ağları 2
- Öğrenme aktarımı 1
- Öğrenme aktarımı 2
- FP
Bitirme projesi
- Python ile yapay zekaya giriş
Bir Domestika kursundan neler beklenebilir?
Kendi hızınızda öğrenin
Belirli bir program olmadan ve takip edilmesi kolay bir yöntemle evden öğrenmenin tadını çıkarın. Kendi hızınızı kendiniz belirlersiniz.
En iyi profesyonellerden öğrenin
Yaratıcı sektörün en iyi uzmanlarının açıkladığı değerli yöntem ve teknikleri öğrenin.
Uzman öğretmenlerle tanışın
Her uzman, her derste açık yönergelerle, gerçek tutkuyla ve profesyonel anlayışla en iyi yaptıkları şeyi öğretir.
Certificates
PLUSIf you're a Plus member, get a özel sertifika signed by your teacher for every course. Share it on your portfolio, social media, or wherever you like.
Ön sıra koltukları alın
En yüksek kalitede videolar sayesinde tek bir ayrıntıyı kaçırmazsınız. Sınırsız erişim sayesinde tekniğinizi mükemmelleştirmek için bunları istediğiniz kadar izleyebilirsiniz.
Bilgi ve fikirleri paylaşın
Sorular sorun, geri bildirim isteyin veya çözümler sunun. Öğrenme deneyiminizi topluluktaki, yaratıcılığa sizin kadar tutkulu olan diğer öğrencilerle paylaşın.
Küresel bir yaratıcı toplulukla bağlantı kurun
Topluluk, dünyanın her yerinden meraklı ve yaratıcılıklarını keşfetme ve ifade etme konusunda tutkulu milyonlarca insana ev sahipliği yapıyor.
Profesyonelce hazırlanmış kursları izleyin
Domestika, yüksek kaliteli bir çevrimiçi öğrenme deneyimi sağlamak için öğretmen kadrosunu seçer ve her dersi kendi bünyesinde üretir.
SSS
You’ll master key Machine Learning concepts, learn how to apply algorithms to real-world problems, work with computer vision, prepare and analyze data, and build practical projects using Python and popular libraries like pandas, scikit-learn, and TensorFlow.
This is an intermediate-level course. It’s best if you have basic Python programming skills and a general understanding of math to get the most out of the lessons and exercises.
You’ll need Python installed, access to Google Colab or Visual Studio Code, and basic programming knowledge. A stable internet connection and a computer capable of running notebooks and Machine Learning libraries are also recommended.
You’ll work on projects like image and text classification, anomaly detection, customer segmentation, regression and binary classification models, and computer vision applications using real datasets and Python libraries.
The course covers applications such as computer vision, pattern recognition, fraud detection, medical diagnosis, price prediction, customer segmentation, and personalized recommendation systems.
Unlike traditional programming, Machine Learning lets systems learn from data and improve automatically, rather than following explicitly coded rules.
You’ll use pandas for data analysis, scikit-learn for Machine Learning models, TensorFlow and Keras for neural networks, plus Google Colab and Visual Studio Code to code and run your projects.