->
Udemy - Deep Learning ve Python: A'dan Z'ye Derin ??renme (5.1)
Udemy - Deep Learning ve Python: A'dan Z'ye Derin Ogrenme (5.1)

Merhaba arkada?lar,


Description

 

Bu kurs 7 bölümlük nihai hedefim olan Yapay Zekanın beşinci bölümünü oluşturmaktadır.   

  • Python: Python Sıfırdan Uzmanlığa Programlama (1)

  • Data Science ve Python: Sıfırdan Uzmanlığa Veri Bilimi (2)

  • Data Visualization: A'dan Z'ye Veri Görselleştirme (3)

  • Machine Learning ve Python: A'dan Z'ye Makine Öğrenmesi (4)

  • Deep Learning (Derin Öğrenme)   

  • Statistical Learning (İstatistik)   

  • Artificial Intelligence (Yapay Zeka)   

  • Bu Kurs ile Alacaklarınız

  • Sıfırdan Kodlama Becerisi: Sizinle birlikte kod yazıyoruz. Her ders boş bir sayfa ile başlar ve kodu sıfırdan yazarız. Bu şekilde ilerleyebilir ve kodun nasıl bir araya geldiğini ve her satırın ne anlama geldiğini tam olarak anlayabilirsiniz.

  • Kodlar ve Şablonları: Kursta oluşturduğumuz her Python şablonlarını ve kodunu indirebilirsiniz. Bu, sizlere hem daha sonra kod üzerinde pratik yapma hem de kendi projelerinizi şablon sayesinde daha kolay bir şekilde yaratma imkanı sağlayacaktır

  • Teori ve Mantık: Size yalnızca kod yazmayı değil, hem yazdığımız kodun arkasında yatan mantığı ve teoriyi hem de neden böyle bir kod yazdığımızı anlatıyoruz.

  • Kurs içi destek: Size sadece video ile ders anlatımı yapmıyoruz. Size destek olmak için profesyonel Veri Bilimcilerinden oluşan bir ekip oluşturduk. Bu da ders ve ya ders dışı sorularınıza en fazla 72 saat içinde yanıt alacağınız anlamına geliyor.

  • Deep Learning kursu içeriği:   

    • Giriş Bölümü

      • Deep Learning Giriş 

      • Sık Sorulan Sorular

      • Anaconda Jupyter Notebook Kurulumu

      • Kaggle

    • Deep Learning ve Dataset Tanıtımı

      • Deep Learning giriş

      • Dataset Overview

    • Logistic Regression

      • Computation Graph

      • Initializing Parameters

      • Forward Propagation

      • Backward Propagation

      • Implementing Logistic Regression with Python

      • Implementing Logistic Regression with Sklearn

    • Artificial Neural Network (ANN)

      • Computation Graph

      • Initializing Parameters

      • Forward Propagation

      • Loss, Cost Function

      • Backward Propagation

      • Updata Parameters

      • Create Model

      • L-Layer Neural Network

      • L-Layer Neural Network with Keras

      • L-Layer Neural Network with Pytorch

      • Neural Network Playground

    • Convolutional Neural Network (CNN)

      • Same Padding

      • Max Pooling

      • Fully Connected Network

      • Implementing with Keras

      • Create Model

      • Optimizer

      • Compiler

      • Batch and Epoch

      • Data Augmentation

      • Fitting Model

      • Evaluate Model

      • CNN with Pytorch

    • Recurrent Neural Network (RNN)

      • Recurrent Neural Network with Keras

      • Long Short Term Memory (LSTM)

    Kurs Hakkında Bazı Öğrenci Yorumları

    • Raşit İri

      • Hocamıza ait önceki kursları da almış biri olarak şunu söylemeliyim ki her kurs birbiri ile bağlantılı bir şekilde ilerliyor. Size önerim daha önceki kursları da alıp o şekil de ilerlemeniz. Kursa gelecek olursak diğer kurslar gibi konuların mantığını örnekler vererek çok güzel bir şekilde kavratıyor. 

    • Ferec HAMİTBEYLİ 

      • Tek kelime ile mükemmel. Tüm arkadaşlarıma, eşime dostuma önerdim bu seriyi. Hangi meslekten olursanız olun, yapay zeka geleceğin bir parçası ve erkenden öğrenmenizi tavsiye ederim. 

    • Osman Homek 

      • Bu kursun diğer kurslardan en büyük farkı, yaptığınızı şeyi neden yaptığınızı size anlatması. Bu durum ancak, anlattığı konuyu uygulayan birileri tarafından verilebilir. Bu kurs, asla, slaytların ingilizceden çevrilmesi ile hazırlanmamıştır. Bu nedenle, kursun sonunda, gerçek tecrübelerden süzülmüş bir bilgi edineceksiniz. Hocamıza, vakit ayırıp, bize kıymet verdiği için minnettarım. 

    İçeriğin İngilizce olması sizi yanıltmasın arkadaşlar. Derslerim tamamen Türkçedir.   

    Hemen kaydolun ve bir an önce başlayalım.

    Bu kurs kimler için uygun:

    • Derin öğrenmesi konusunda uzmanlaşmak isteyenler
    • Yapay zeka temellerini oluşturmak isteyenler
    • Kariyerini derin öğrenmede sürdürmek yada başlatmak isteyenler
    • Üniversite ve meslek seçiminde zorlanan ve derin öğrenme hakkında bilgi ve beceri sahibi olmak isteyenler
    • Derin öğrenmeyi iş hayatında uygulamak isteyenler

    Course content

    • Giriş
      • Deep Learning Kursu İçerik
      • Sık Sorulan Sorular
      • Anaconda ve Jupyter Notebook Kurulumu
      • Kaggle Nedir?
    • Deep Learning ve Data Set Tanıtımı
      • Data Set Tanıtımı
      • Deep Learning Kernel ve Data Set İndirme
      • Deep Learning vs Machine Learning
      • Data Set Overview - 1
      • Data Set Overview - 2
      • Deep Learning ve Data Set Tanıtımı Neler Öğrendik
    • Logistic Regression
      • Logistic Regression Genel Bakış
      • Computation Graph
      • Logistic Regression Computation Graph
      • Initializing Parameters
      • Forward Propagation
      • Backward Propagation - 1
      • Backward Propagation - 2
      • Implementing Initializing Parameters
      • Implementing Forward Propagation
      • Implementing Backward Propagation
      • Implementing Update Parameters
      • Implementing Prediction
      • Implementing Logistic Regression
      • Logistic Regression with Sklearn
      • Logistic Regression Neler Öğrendik - Ödev
    • Artificial Neural Network (Yapay Sinir Ağları)
      • Artificial Neural Network Genel Bakış
      • Artificial Neural Network Nedir
      • Artificial Neural Network Computation Graph
      • 2-Layer Neural Network
      • Initializing Parameters
      • Forward Propagation
      • Loss and Cost Functions
      • Backward Propagation
      • Update Parameters
      • Prediction
      • Create ANN Model
      • L-Layer Neural Network
      • Neural Network with Keras
      • Neural Network with Pytorch
      • Neural Network Tensorflow Playground
      • Artificial Neural Network Neler Öğrendik - Ödev - Tavsiye
    • Convolutional Neural Network (CNN)
      • Convolutional Neural Network Genel Bakış
      • Dataset ve CNN Kernel
      • Loading Data Set
      • Normalization - Reshape - Label Encoding
      • Train - Test Split
      • Convolutional Neural Network (CNN)
      • Convolution Operation Nedir
      • Same Padding
      • Max Pooling
      • Flattening
      • Fully Connected
      • CNN Implementing with Keras
      • Create Model
      • Adam Optimizer
      • Compiler
      • Batch and Epoch
      • Data Augmentation
      • Fit the Model
      • Evaluate the Model
      • CNN with Pytorch
      • Convolutional Neural Network Neler Öğrendik - Ödev
    • Recurrent Neural Network (RNN)
      • Recurrent Neural Network Genel Bakış
      • Sequence Models
      • Recurrent Neural Network Nedir
      • Implementing RNN with Keras Giriş
      • RNN Loading and Preprocessing Data
      • RNN Create Model
      • RNN Prediction and Visualization
      • Long Short Term Memory (LSTM) Nedir
      • Implementing LSTM with Keras Giriş
      • LSTM Loading and Visualizing Data
      • LSTM Preprocessing Data
      • LSTM Create Model
      • LSTM Prediction and Visualization
      • RNN Neler Öğrendik
    • Deep Learning Sonuç
      • Ne Yaptık Ne Yapacağız
    • BONUS
      • İNDİRİM: TÜM DERSLER


     TO MAC USERS: If RAR password doesn't work, use this archive program: 

    RAR Expander 0.8.5 Beta 4  and extract password protected files without error.


     TO WIN USERS: If RAR password doesn't work, use this archive program: 

    Latest Winrar  and extract password protected files without error.


     Coktum   |  

    Information
    Members of Guests cannot leave comments.




    rss