Python (R ile birlikte) makine öğrenimi ve veri biliminde baskın dil haline geldi. Artık karmaşık modelleri karmaşık veri kümelerine sığdırmak için yaygın olarak kullanılıyor. PyTorch, doğal dil işleme gibi uygulamalar için kullanılan, Torch'u temel alan, Python için açık kaynaklı bir makine öğrenimi kütüphanesidir. Öncelikle Facebook'un yapay zeka araştırma grubu tarafından geliştirildi ve Uber'in olasılıksal programlamaya yönelik Pyro yazılımı bunun üzerine inşa edildi.
Öğrenimi aktarma
Mevcut sinir ağı mimarilerinin ve ağırlıklarının gücünden yararlanın. Bu, görevleri kendi verilerinizle gerçekleştirmek için hassas şekilde ayarlanmış modelleri eğitmeye yönelik güçlü bir tekniktir.
Derin öğrenme ortamı
Diğer derin öğrenme türlerinin, çözmeyi hedefledikleri görevlerin ve bunları PyTorch'ta nasıl uygulayabileceğimizin araştırılması. Örneğin denetimsiz, takviyeli öğrenme.
"PyTorch with Python" eğitimi, OOP deneyimi ve Python'da kendi sınıflarını yazma dahil olmak üzere Python programlama diline aşinalığı varsayar. Biraz matematik, matris cebiri ve olasılık bilgisi faydalı olabilir ancak gerekli değildir.
Makine öğrenimine giriş
Makine öğrenimi konusuna ve Python'daki makine öğrenimi ortamına kısa bir giriş.
Ön işleme
Veriler için Ön İşleme ardışık düzenleri oluşturma.
Derin öğrenmeye ve PyTorch'a giriş
Derin öğrenme modellerinin eğitimi için PyTorch çerçevesine giriş.
Sinir ağı oluşturma
PyTorch'ta bir sinir ağı modeli için sınıf planı tanımlama.
Eğitim
İleri beslemeli ağları, geri yayılım algoritmasını ve optimizasyonu anlamak.
Denetimli öğrenme
Hem regresyon hem de sınıflandırma görevleri için modeller oluşturma ve eğitme. Bir sinir ağı mimarisi içindeki farklı katmanların ve aktivasyon fonksiyonlarının dikkate alınması ve araştırılması.
Evrişimsel sinir ağları
Görüntü verileriyle öğrenme.
Sınıf eğitimlerimizi Azerbaycan ofislerimizde düzenlemekteyiz. Kurumunuza özel eğitimleri ise, dilediğiniz tarih ve lokasyonda organize edebiliriz.