Mutluluk Veren Bilgi

Yapay Zeka Öğrenmek için 8 ücretsiz ders! (makine öğrenmesi ve robotik odaklı)

0

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

Image

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

İlgini Çekebilir  Bilimsel Gösterimde Prefiksler, Semboller ve Çarpma Faktörleri
Cevap bırakın