1. Makine Öğrenmesi için Matematik Temelleri
Eğitmen: Geoff Gordon Bu derste olasılık, doğrusal cebir, çok değişkenli diferansiyel denklemler, optimizasyon ve olabilirlik fonksiyonları vb konular işlenir. Link: canvas.cmu.edu/courses/603/as
2. Doğrusal Cebir
Eğitmen: Gilbert Strang Bu derste vektörler, matris teorisi, doğrusal işlemler vb konular doğa bilimleri ve mühendislik gibi disiplinlerden örnekler verilerek uygulamalı olarak işlenir. Link: ocw.mit.edu/courses/18-06s
3. Doğrusal Cebir İncelemesi
Eğitmen: @zicokolter Bu derste makine öğrenmesi ve optimizasyon alanlarında sıklıkla kullanılan matrisler ile ilgili temel kavramlar işlenir. Link: cs.cmu.edu/~zkolter/cours
4. Robotiğe Giriş
Eğitmen: Oussama Khatib Bu derste robotik sistemlerinin modelleme, tasarım, planlama ve kontrolünün temelleri ile ilgili konular işlenir. Link: see.stanford.edu/Course/CS223A
5. Verilerden Öğrenme
Eğitmen: Yaser Abu-Mostafa Bu derste makine öğrenmesi alanındaki temel teori, algoritma ve uygulamalar ile ilgili konular işlenir. Link: home.work.caltech.edu/telecourse.html
6. Derin Öğrenme
Eğitmenler: @ylecun @alfcnz NYU'daki Veri Bilimi Merkezi'nde öğretilen derin öğrenme dersi. Link: cds.nyu.edu/deep-learning
7. Derin Öğrenme ile Doğal Dil İşleme (DDİ)
Eğitmen: @chrmanning Bu derste DDİ alanında kullanılan en son teknoloji yöntemler (sinir ağları) hakkında kapsamlı bilgiler verilir. Link: web.stanford.edu/class/cs224n
8. Tam Yığın Derin Öğrenme
Bu derste derin öğrenme tabanlı uygulama geliştirirken başlangıçtan ürünün teslimine kadar olan süreçte bilinmesi gereken konular işlenir. Link: fullstackdeeplearning.com/spring2021
Kaynak: @TheSequenceAI | @oktayarslan