Model Online/Fiziksel
Süre
Modüller 5 modül

Eğitimin Amacı ve Kapsamı

Modern derin öğrenme mimarileri, bilgisayarlı görü ağları ve büyük dil modelleri büyük ölçüde PyTorch üzerinde geliştirilmektedir. Bu eğitim, katılımcılara hazır yüksek seviye script'leri kopyalamak yerine PyTorch'un yapı taşlarını (tensör cebiri, dinamik hesaplama grafiği ve modüler ağ mimarisi) anlayarak sıfırdan model kurma ve eğitme becerisi kazandırır.

Katılımcılar CPU/GPU üzerinde tensör operasyonları yapar, autograd ile gradyan hesaplar, özel Dataset ve DataLoader sınıfları yazar, nn.Module ile kendi sinir ağlarını kurup eğitim/doğrulama döngüsünü kodlar ve state_dict ile modeli kaydeder. Eğitim sonunda kurum verisine uyarlanabilir uçtan uca bir PyTorch eğitim şablonu elde edilir.

Kimler Katılmalı?

  • Klasik makine öğrenmesinden (scikit-learn) derin öğrenmeye geçiş yapan veri bilimciler
  • Yapay zeka projelerinde model geliştirme ve fine-tuning kodlarını anlayıp yazmak isteyen yazılım mühendisleri
  • Üretken yapay zeka ve derin öğrenme eğitimlerine sağlam bir kodlama temeliyle başlamak isteyen teknik ekipler
  • Ön koşul: temel Python programlama ve temel doğrusal cebir/olasılık bilgisi

Kazanımlar

  • Tensör oluşturma, şekil değiştirme (reshape/broadcasting) ve CPU-GPU (CUDA) bellek transferlerini hatasız yapmak
  • Dinamik hesaplama grafiğini (autograd), backward() ve torch.no_grad() mekanizmalarını doğru kullanmak
  • Tablo, görüntü veya metin verileri için özel Dataset ve DataLoader pipeline'ları yazmak
  • nn.Module, kayıp fonksiyonları (loss functions) ve torch.optim ile özel sinir ağı mimarileri kurmak
  • Aşırı öğrenmeyi (overfitting) izlemek, checkpoint/state_dict kaydetmek ve torch.compile ile temel hızlandırma uygulamak

Konular

Tensörler, Bellek Düzeni ve GPU (CUDA) İşlemleri
  • Tensör oluşturma, veri tipleri (float32, bfloat16), indeksleme ve broadcasting kuralları
  • NumPy köprüsü, contiguous bellek ve .to(device) ile CPU/GPU yönetimi
Dinamik Hesaplama Grafiği ve Autograd
  • requires_grad, ileri yayılım (forward pass) ve loss.backward() ile otomatik türev
  • Gradyan birikimi (accumulation), optimizer.zero_grad() ve torch.inference_mode()
Veri Yükleme: Dataset, DataLoader ve Transforms
  • torch.utils.data.Dataset ile özel veri kaynağı sarmalama
  • DataLoader ile batching, shuffling, num_workers, pin_memory ve özel collate_fn
nn.Module ile Sinir Ağı Mimarisi Kurma
  • nn.Linear, nn.Conv2d, nn.Embedding, aktivasyonlar, Dropout ve BatchNorm/LayerNorm
  • Kayıp fonksiyonları (CrossEntropyLoss, MSELoss) ve AdamW / öğrenme oranı zamanlayıcıları (schedulers)
Eğitim Döngüsü, Değerlendirme ve Model Kaydetme
  • model.train() ve model.eval() ayrımı, doğrulama metrikleri, early stopping ve TensorBoard loglama
  • state_dict ile model/optimizer checkpoint kaydetme, yükleme ve torch.compile giriş

Bu Kategorideki Diğer Eğitimler

  • TensorFlow Temelleri

    TensorFlow 2 ve Keras ile derin öğrenme temelleri: tf.Tensor, GradientTape, tf.data pipeline'ları, Sequential/Functional/Subclassing API ile model kurma, callbacks, TensorBoard ve SavedModel. Veri bilimciler ve mühendisler için.

    Yapay Zeka için Programlama Kurumsal
    Canlı Kurs
    5 modül
    İncele
  • R Programlama Dili

    Veri bilimi, istatistiksel analiz ve makine öğrenmesi için R programlama: tidyverse (dplyr, tidyr, ggplot2), hipotez testleri ve regresyon, tidymodels ile ML iş akışları, Quarto raporlama ve Plumber API.

    Yapay Zeka için Programlama Kurumsal
    Canlı Kurs
    5 modül
    İncele
  • Veri Bilimi İçin Python Veri Bilimi İçin Python

    Pandas ve Polars ile veri işleme, Matplotlib, Seaborn ve Plotly ile görselleştirme, keşifsel veri analizi (EDA) ve Scikit-learn ile makine öğrenmesi modellemesini kapsayan uygulamalı Python eğitimi.

    Yapay Zeka için Programlama Kurumsal, Bireysel
    Canlı Kurs
    4 modül
    İncele
  • C++ Temelleri ve İleri Seviye Uygulamalar

    Yapay zeka ve yüksek performanslı sistemler için modern C++ (C++17/20): RAII ve akıllı işaretçiler, STL, move semantics, multithreading, SIMD, pybind11 ile Python uzantısı yazma ve LibTorch/ONNX Runtime C++ API.

    Yapay Zeka için Programlama Kurumsal
    Canlı Kurs
    5 modül
    İncele
  • Python Programlama Python Programlama

    Günümüzün En Popüler Programlama Dili Python'ı Öğrenin

    Yapay Zeka için Programlama Kurumsal, Bireysel
    Canlı Kurs
    9 modül
    İncele
  • İleri Seviye Python

    Yapay zeka ve veri mühendisliği için ileri Python: type hinting, dekoratörler, generator/iterator bellek yönetimi, asyncio, multiprocessing ve GIL, Cython/Numba hızlandırma, profiling ve paketleme. Geliştiriciler ve veri bilimciler için.

    Yapay Zeka için Programlama Kurumsal
    Canlı Kurs
    5 modül
    İncele

Bizimle iletişime geçin