Model Online/Fiziksel
Süre
Modüller 5 modül

Eğitimin Amacı ve Kapsamı

TensorFlow ve Keras ekosistemi, hızlı prototiplemeden (Keras API) yüksek performanslı veri boru hatlarına (tf.data) ve kurumsal model sunumuna (SavedModel / TF Serving) kadar uçtan uca entegre bir derin öğrenme altyapısı sunar. Bu eğitim, TensorFlow 2'nin eager execution ve grafik derleme (@tf.function) yapısını kavratarak sıfırdan derin öğrenme modelleri geliştirmeyi öğretir.

Katılımcılar tf.data ile darboğazsız veri akışları kurar, Keras Sequential, Functional ve Subclassing API'leriyle tablo, görüntü ve metin modelleri tasarlar, GradientTape ile özel eğitim adımları yazar ve TensorBoard ile eğitimi izler. Eğitim sonunda üretime hazır SavedModel çıktısı üreten yeniden kullanılabilir bir proje şablonu tamamlanır.

Kimler Katılmalı?

  • TensorFlow ve Keras kullanarak derin öğrenme modelleri geliştirecek veri bilimciler
  • Mevcut TensorFlow tabanlı kurumsal modelleri bakımını yapan ve geliştiren ML mühendisleri
  • Yapay zeka projelerine yapılandırılmış bir framework ile başlamak isteyen yazılım geliştiriciler
  • Ön koşul: temel Python bilgisi ve makine öğrenmesi temel kavramlarına aşinalık

Kazanımlar

  • tf.Tensor, tf.Variable, GradientTape ve @tf.function grafik derleme mekanizmasını doğru kullanmak
  • tf.data.Dataset ile prefetch, cache ve paralel haritalama içeren yüksek hızlı veri pipeline'ları kurmak
  • Keras Sequential, Functional ve Model Subclassing yaklaşımlarını senaryoya göre seçip uygulamak
  • Ön işleme katmanlarını (Normalization, TextVectorization) ve Keras Callbacks mekanizmasını kullanmak
  • Modeli TensorBoard ile analiz edip .keras ve SavedModel formatlarında üretime uygun dışa aktarmak

Konular

TensorFlow 2 Mimarisi: Tensörler, GradientTape ve tf.function
  • Sabit tensörler (tf.constant), eğitilebilir değişkenler (tf.Variable) ve cihaz yerleşimi
  • tf.GradientTape ile otomatik türev ve @tf.function ile AutoGraph derlemesi
tf.data ile Yüksek Performanslı Veri Pipeline'ları
  • Bellek içi dizilerden, CSV/Parquet ve TFRecord dosyalarından tf.data.Dataset oluşturma
  • map, batch, cache ve prefetch(tf.data.AUTOTUNE) ile GPU açlığını önleme
Keras ile Model Kurma: Sequential, Functional ve Subclassing
  • Çok girdili/çıktılı ve dallanan mimariler için Keras Functional API
  • Özel katmanlar (keras.layers.Layer) ve keras.Model alt sınıflama (subclassing)
Ön İşleme Katmanları, Eğitim, Callbacks ve TensorBoard
  • Model içi preprocessing katmanları (Normalization, CategoryEncoding, TextVectorization)
  • compile/fit, EarlyStopping, ModelCheckpoint, özel train_step ve TensorBoard
Model Kaydetme, Transfer Learning ve Yayına Hazırlık
  • Önceden eğitilmiş omurga (backbone) modellerle fine-tuning akışı
  • .keras formatı ile tf.saved_model.save farkı ve saved_model_cli ile doğrulama

Bu Kategorideki Diğer Eğitimler

  • 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
  • Python ile API

    Yapay zeka ve veri projelerinde Python ile API tüketimi ve geliştirme: HTTP/REST prensipleri, requests ve async httpx istemcileri, kimlik doğrulama, retry/rate-limit yönetimi, LLM API'leri ve temel servis tasarımı.

    Yapay Zeka için Programlama Kurumsal
    Canlı Kurs
    5 modül
    İncele

Bizimle iletişime geçin