🌱 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

🌞 Yazının Aslı