💫
Derin Öğrenme
  • 💫Derin Öğrenme Notları
  • 🚀English Version
  • 🦋Projeye Katkıda Bulunma
  • 💼Kullanışlı Araçlar
  • 💎Yapay Sinir Ağları Kavramları
    • 🌱Giriş
    • 🔎Esas Problem
    • 👷‍♀️ Yapay Sinir Ağlarının Uygulanması Üzerine Notlar
    • 📚Yapay Sinir Ağlarının Kavramları
    • 💥Yapay Sinir Ağlarında Aktivasyon Fonksiyonları
    • 🎈NN Uygulama İp Uçları
    • 👩‍🔧 NN Düzenlileştirme (Regularization)
    • ✨Optimizasyon Algoritmaları
    • 🎨Softmax Regression
    • 🏃‍♀️ Tensorflow'a Hızlı Giriş
    • 👩‍💻 Yapay Sinir Ağlarıyla ilgili Pyhton Kod Parçaları
  • 🙋‍♀️ Yapay Sinir Ağları ile Derin Öğrenme'nin Hello World'u
    • 🌱Giriş
    • 🌐Tarayıcıda CNNler
  • 🚪Bilgisayar Görüşüne Giriş
    • 🌱Giriş
  • 🚩Evrişimli Sinir Ağları Kavramları
    • 🌱Giriş
    • 📌Evrişimli Sinir Ağları ile İlgili Genel Kavramlar
    • 🌟Evrişimli Sinir Ağları Gelişmiş Kavramları
    • 👀Evrişimli Sinir Ağlarının Görselleştirilmesi
    • 👵Klasik Evrişimli Sinir Ağları
    • ✨CNN'leri Kurmak İçin Diğer Yaklaşımlar
    • 🕸️CNN'lerin Popüler Uygulamaları
  • 👩‍💻 CNN'ler Üzerinde Kodlar ve Notlar
    • 🌱Giriş
  • 💄Derin Öğrenmenin Popüler Stratejileri
    • 🌱Giriş
    • 🚙Öğrenme Aktarması (Transfer Learning)
    • 📚Derin Öğrenmede Diğer Stratejiler
  • 🤡Resim Artırma (Image Augmentation)
    • 🌱Giriş
  • 🤸‍♀️ Uygulamalı Makine Öğrenmesi Üzerine Notlar
    • 🌱Giriş
    • 👩‍🔧 Makine Öğrenimi Projelerinin Yapılandırılması Üzerine Notlar
    • 👩‍🏫 Uygulama Talimatları
  • 🕵️‍♀️ Obje Algılama Temelleri
    • 🌱Giriş
    • ⭕Bölge Tabanlı (Region-Based) CNN'ler
    • 🤳SSD ve YOLO
    • 🤖TensorFlow Object Detection API
  • ➰Derin Öğrenmede Dizi Modelleri
    • 🌱Giriş
    • 📚Dizi Modellerinin Genel Kavramları
    • 🔄Tekrarlayan Sinir Ağları (RNN)
    • 🌌RNN'deki Vanishing Gradients
    • 🌚Kelime Gösterimi
    • 💬NLP Hakkında Karışık Bilgiler
  • 📕Proje Sözlüğü
  • 📚Faydalı PDF'ler
  • 👀Hızlı Görsel Bilgiler
Powered by GitBook
On this page
  • 👩‍🎓 Orthogonalisation
  • ⛓ ML'deki Varsayımlar Zinciri
  • 🌞 Yazının Aslı

Was this helpful?

Export as PDF

🤸‍♀️ Uygulamalı Makine Öğrenmesi Üzerine Notlar

👷‍♀️ Makine Öğrenimi Projelerini Yapılandırma Talimatları

👩‍🎓 Orthogonalisation

Makine öğrenim sistemlerinin kurulmasındaki zorluklardan biri, deneyebileceğimiz pek çok şeyin olması 🙄. Örneğin, ayarlayabildiğimiz çok fazla hiperparametre mevcut. İstenen etkiyi elde etmek için hangi parametrenin ayarlanacağını bilme sanatına orthogonalisation denir.

Bir ML projesini değerlendirirken nelere dikkat etmeliyiz? Onu nasıl optimize ederiz? Nasıl hızlandırırız? Birçok parametre olduğundan ayarlanması gereken hiperperemtre nasıl seçilir? seçilen hiperparametre nasıl ayarlanır? 🤔🤕

Bu soruları cevaplamadan önce süreci bir bütün olarak inceleyelim 🧐

⛓ ML'deki Varsayımlar Zinciri

Modelde olması gereken:

Training seti maliyet fonksiyonuna göre iyi çalışmalı (Human level performance ❌❌)

⬇

Dev seti maliyet fonksiyonuna göre iyi çalışmalı

⬇

Test seti maliyet fonksiyonuna göre iyi çalışmalı

⬇

Gerçek hayatta iyi çalışmalı ✨

Neyin yanlış olduğunu bulmak, uygun bir çözüm seçmemize ve daha sonra projeyi etkilemeden bu kısmı düzeltmemize yardımcı olabilir. 👩‍🔧

🌞 Yazının Aslı

PreviousGirişNextGiriş

Last updated 4 years ago

Was this helpful?

Burada 🐾