Makine Öğrenimi Crash Course sizin için uygun mu?
Tüm modülleri tamamlamaya hazır olduğunuzdan emin olmak için Makine Öğrenimi Kilitlenme Kursu'na başlamadan önce lütfen aşağıdaki Ön Çalışma ve Ön Koşullar bölümlerini okuyun.
Ön çalışma
Makine Öğrenimi Crash Course'a başlamadan önce aşağıdakileri yapın:
- Makine öğrenimi konusunda yeniyseniz Makine Öğrenimine Giriş konusuna bakın. Bu kısa kendi kendine çalışma kursu, temel makine öğrenimi kavramları hakkında bilgi verir.
- NumPy'de yeniyseniz bu kurs için ihtiyacınız olan tüm NumPy bilgilerini içeren NumPy Ultraquick Eğitici Colab alıştırmasını yapın.
- pandas kullanmaya yeni başladıysanız bu kurs için ihtiyacınız olan tüm panda bilgilerini sağlayan pandas UltraQuick Eğitimi Colab alıştırmasını yapın.
Programlama alıştırmaları Colaboratory platformunu kullanarak doğrudan tarayıcınızda çalışır (kurulum gerekmez). Colaboratory, başlıca tarayıcıların çoğunda desteklenir ve Chrome ve Firefox'un masaüstü sürümlerinde en ayrıntılı şekilde test edilmiştir. Alıştırmaları çevrimdışı olarak indirip çalıştırmayı tercih ederseniz yerel bir ortam oluşturmak için bu talimatlara bakın.
Ön koşullar
Makine Öğrenimi Crash Course; makine öğrenimi konusunda varsayımda bulunmak veya daha önceden bilgi sahibi olmak gerektirmez. Bununla birlikte, sunulan kavramları anlamak ve alıştırmaları tamamlamak için öğrencilerin aşağıdaki ön koşulları karşılamasını öneririz:
Değişkenler, doğrusal denklemler, işlev grafikleri, histogramlar ve istatistiksel araçlarla ilgili bilgi sahibi olmanız gerekir.
İyi bir programcı olmalısınız. Programlama alıştırmaları Python'da olduğu için ideal olarak Python'da programlama deneyiminiz olmalıdır. Ancak Python deneyimi olmayan deneyimli programcılar genellikle programlama alıştırmalarını yine de tamamlayabilir.
Aşağıdaki bölümlerde, faydalı ek arka plan materyallerine bağlantılar sağlanmaktadır.
Cebir
- değişkenler, katsayılar ve işlevler
- \(y = b + w_1x_1 + w_2x_2\)gibi doğrusal denklemler
- logaritmalar ve \(y = ln(1+ e^z)\)gibi logaritmik denklemler
- sigmoid işlevi
Doğrusal cebir
Trigonometri
- tanh (etkinleştirme işlevi olarak tartışılır; önceden bilgi gerekmez)
İstatistikler
- ortalama, ortanca değer, aykırı değerler ve standart sapma
- histogram okuma özelliği
Kalkülüs (ileri düzey konular için isteğe bağlıdır)
- Türev kavramının tanımı (gerçekten türevleri hesaplamanız gerekmez)
- gradyan veya eğim
- kısmi türevler (gradyanlarla yakından ilişkili)
- zincir kuralı (nöral ağları eğitmek için geri yayılma algoritmasını tam olarak anlamak için)
Python Programlama
Python ile ilgili temel bilgileri The Python Eğiticisi'nde bulabilirsiniz.
Konumlandırma ve anahtar kelime parametrelerini kullanarak tanımlama ve çağrı işlevleri
for
döngü,for
birden fazla iterasyon değişkeniyle döngüye girer (ör.for a, b in [(1,2), (3,4)]
)dize biçimlendirmesi (ör.
'%.2f' % 3.14
)değişkenler, atama, temel veri türleri (
int
,float
,bool
,str
)
Bazı programlama alıştırmalarında aşağıdaki daha gelişmiş Python kavramı kullanılmıştır:
Bash Terminali / Cloud Console
Programlama alıştırmalarını yerel makinenizde veya bulut konsolunda çalıştırmak için komut satırında rahatça çalışmanız gerekir: