TensorFlow’a Kolay Bir Başlangıç


Bu öğretici bir şeyler yapmak isteyen ve nereden, nasıl başlayacağını bilememiş, programlama bilgisi olan, derin öğrenme meraklıları için hazırlanmıştır. Başlamadan önce Hesaplamalı Çizge‘nin ne olduğunu öğrenmelisiniz. TensorFlow bu veri akış çizgelerini kullanarak sayısal hesaplamalar yapmayı sağlar. Resmi tanımlamalar yapmadan önce TensorFlow’un özünü bir anlayalım. Bu öğreticide Jupyter kullanacağız.  (Jupyter/IPython Notebook Quick Start Guide)  Kullanılan NoteBook’a Veri Bilimcisi GitHub repository’sinden erisilebilirsiniz.  TensorFlow İÇERİK TensorFlow Nasıl Çalışır?√ … Okumaya devam et TensorFlow’a Kolay Bir Başlangıç

Hesaplamalı Çizge


Hesaplamalı Çizge Hesaplamalı çizgeler, matematiksel ifadeleri düşünmek için güzel bir yöntemdir. Örneğin, E = (A + B) * (B + 1)   ifadesini düşünün. Üç işlem var: İki tane toplama ve bir tane çarpma işlemi. Bu denklemi parçalara ayırabiliriz ve ara değişkenler oluşturabiliriz. Örneğin, işlemleri şu şekilde tanımlayabiliriz: C = A + B D = B + 1 E = C * D Bir hesaplama çizgesi … Okumaya devam et Hesaplamalı Çizge

Softmax Regresyonu (Softmax Regression)


Softmax Regresyon lojistik regresyonun genelleştirilmiş halidir. Lojistik Regresyon Modeli sınıf etiketi y’nin olası iki değeri için çalışabilmektedir, Softmax Regresyon Modeli ise sınıf etiketlerinin daha fazla değer alabileceği sınıflandırma sorunlarıyla ilgilenmektedir. Bu model, MNIST rakam sınıflaması problemindeki 10 farklı sayıyı ayırt etmek gibi sorunlar için kullanılır. Softmax Regresyon denetimli bir öğrenme algoritmasıdır ancak derin öğrenme, denetimsiz özellik öğrenme yöntemleri ile birlikte de kullanılabilmektedir. Lojistik Regresyonda, m etiketli,  girdisi … Okumaya devam et Softmax Regresyonu (Softmax Regression)

TensorFlow: Makine Öğrenmesine Yeni Başlayanlar için MNIST


MNIST, Makine Öğrenmesine Yeni Başlayanlar İçin Bu eğitim, hem makine öğrenmesinde hem de TensorFlow’da yeni olan okuyucular için hazırlanmıştır. Öğreticilere başlamadan önce TensorFlow’ı kurduğunuzdan emin olun. TensorFlow hakkında daha fazla bilgi için  TensorFlow 101. Bir kişinin program yazmayı öğrendiğinde yaptığı ilk şey “Merhaba Dünya” yazdırmaktır. Tıpkı Hello World geleneğindeki gibi, makine öğrenmesi de MNIST’e sahiptir. MNIST basit bir bilgisayarla görme veri kümesidir. Bu, aşağıdaki gibi … Okumaya devam et TensorFlow: Makine Öğrenmesine Yeni Başlayanlar için MNIST

Python ile Derin Öğrenmeye Başlarken


Öğrenebilen algoritmaların tasarımını inceleyen bilgisayar bilimlerinde bir alan olan makine öğrenmesini zaten biliyorsunuzdur. Derin Öğrenmeye atlamadan önce, aşağıda belirtilenlerin temellerini bilmeniz önerilir. Olasılık ve İstatistik Olasılık ve İstatistik 101 Lineer Cebir Lineer Cebir 101 Python Scikit-Learn 101 Makine Öğrenmesi Makine Öğrenmesi 101 Destek Vektör Makineleri Yapay Sinir Ağları TensorFlow Hesaplamalı Çizge TensorFlow’a Kolay Bir Başlangıç TensorFlow 101 TensorFlow: Makine Öğrenmesine Yeni Başlayanlar için MNIST TensorFlow: … Okumaya devam et Python ile Derin Öğrenmeye Başlarken

Tek Değişkenli Analiz ve İki Değişkenli Analiz (Univariate Analysis, Bivariate Analysis)


İçerik Tek Değişkenli Analiz√ Kategorik Değişkenler√ Sayısal Değişkenler√ İki değişkenli Analiz√ Sayısal ve Sayısal√ Dağılım grafiği√ Doğrusal Korelasyon√ Kategorik ve Kategorik√ Yığılmış Sütun Grafiği√ Kombinasyon Tablosu√ Ki-Kare Testi√ Sayısal ve Kategorik√ Hata Çubuklarıyla Çizgi Grafik√  Kombinasyon Tablosu√ Z-testi ve t-testi√ Varyans Analizi (ANOVA)√ Tek Değişkenli Analiz Tek değişkenli analiz, değişkenleri(nitelikleri) tek tek inceler. Değişkenler kategorik veya sayısal olabilir. Her değişken türü için farklı istatistiksel ve … Okumaya devam et Tek Değişkenli Analiz ve İki Değişkenli Analiz (Univariate Analysis, Bivariate Analysis)

Veri Araştırması (Data Exploration)


Makine Öğrenmesi, Veri Madenciliği, Veri Analizi, Veri Bilimi bu içiçe geçmiş tüm disiplinler veri ile çalışmaktadır. Veriyi anlamak, veri ile çalışan bütün disiplinler için en başta gelmektedir. Veri Araştırması, verilerin istatistiksel ve görselleştirme teknikleriyle tanımlanması ile ilgilidir. Veri araştırması için herhangi bir kısayol yoktur. Makine Öğrenmesi ile bir süre uğraştıktan sonra, modelin doğruluğunu geliştirme konusunda mücadele ettiğinizin farkına varacaksınız. Böyle bir durumda veri araştırması teknikleri aklınıza … Okumaya devam et Veri Araştırması (Data Exploration)

K-En Yakın Komşu (K-Nearest Neighbors(KNN))


KNN, Denetimli Öğrenmede sınıflandırma ve regresyon için kullanılan algoritmalardan biridir. En basit makine öğrenmesi algoritması olarak kabul edilir. Diğer Denetimli Öğrenme algoritmalarının aksine, eğitim aşamasına sahip değildir. Eğitim ve test hemen hemen aynı şeydir. Tembel bir öğrenme türüdür. Bu nedenle, kNN, geniş veri setini işlemek için gereken algoritma olarak ideal bir aday değildir. KNN ile temelde yeni noktaya en yakın noktalar aranır. K, bilinmeyen noktanın … Okumaya devam et K-En Yakın Komşu (K-Nearest Neighbors(KNN))

Bayes Teoremi ve Bayes Ağı (Bayes Theorem, Bayesian Network)


Bayes teoremi Bayes teoremi, olasılık kuramı içinde incelenen önemli bir konudur. Bu teorem bir rassal değişken için olasılık dağılımı içinde koşullu olasılıklar ile marjinal olasılıklar arasındaki ilişkiyi gösterir. Bu şekli ile Bayes teoremi bütün istatistikçiler için kabul edilir bir ilişkiyi açıklar. Bu kavram için Bayes kuralı veya Bayes savı veya Bayes kanunu adları da kullanılır. Ancak bazı istatistikçiler için Bayes teoremi özel olarak değişik bir önem de taşır. Felsefi temelde olasılık değerlerinin nesnesel bir özellik değil, gözlemcinin meydana çıkardığı … Okumaya devam et Bayes Teoremi ve Bayes Ağı (Bayes Theorem, Bayesian Network)