🌱Giriş

⛓ Dizi Modellerinin Temelleri

⛓ Genel Olarak

• Diziler, her örneğin bir veri serisi olarak görülebildiği veri yapılarıdır, örneğin 🧐:

Görev	Giriş X	Çıkış Y	Tür
💬 Konuşma tanıma	Dalga dizisi	Metin dizisi	Sequence-to-Sequence
🎶 Müzik Üretme	Hiç / Tam sayı	Dalga dizisi	One-to_Sequence
💌 Duygu Sınıflandırması	Metin dizisi	Tamsayı Değerlendirmesi (1➡5)	Sequence-to-One
🔠 Makine Çevirisi	Metin dizisi	Metin dizisi	Sequence-to-Sequence
📹 Video Etkinlik Tanıma	Video Çerçeveleri	Etiket	Sequence-to-One

• Etiketlenmiş giriş verileri X ve Çıkış Y olduğundan bütün bu görevler gözetimli öğrneme olarak tanımlanabilir👩‍🏫

• Sequence-to-Sequence görevlerindeki giriş ve çıkış dizilerinin boyutları farklı olabilir ❗

🤔 Neden Dizi Modellerine İhtiyaç Duyulur?

• Makine öğrenmesi algoritmaları genellikle metin girişinin sabit uzunlukta bir vektör olarak temsil edilmesini gerektirir 🙄

• Bu nedenle, dizileri modellemek için aşağıdakileri yapabilen özel bir öğrenme yaklaşımına ihtiyacımız var:

  • ✔ Değişen uzunluklara sahip dizilere uygun

  • ✔ Dizi sırasını koruyabilen

  • ✔ Girdi verilerini çok kısa kesmek yerine uzun vadeli bağımlılıkları takip eden

  • ✔ Parametreleri dizi boyunca paylaşabilen (Dizi boyunca eskiyi silip tekrar öğrenmeyen)

👩‍💻 Kodlarım

• 💬 Metin sınıflandırma

🌞 Yazının Aslı

• Burada 🐾