Google AutoML Eğitimi
Google AutoML, makine öğrenmesi modellerini minimal kod bilgisiyle otomatik olarak oluşturmayı sağlayan bir platformdur. Bu eğitim, katılımcıların AutoML araçlarıyla özel makine öğrenmesi modelleri geliştirmeyi öğrenmelerini ve Google Cloud AI ekosistemini kullanmalarını sağlamayı amaçlar. Ayrıca, veri hazırlığı, model eğitimi, hiperparametre optimizasyonu ve model değerlendirmesi gibi konular üzerinde durulacak.
Google AutoML Eğitim İçeriği
Eğitim Süresi: 5 Gün
- Gün: Giriş ve Temel Kavramlar
- Google AutoML’e Giriş:
- Google AutoML’in tanıtımı ve kullanım alanları
- AutoML’in makine öğrenmesi ekosistemindeki yeri
- Google Cloud Platform (GCP) Tanıtımı:
- GCP hesabı oluşturma ve gerekli araçların kurulumu
- Google Cloud Console kullanımı
- Makine Öğrenmesi ve Otomatikleştirilmiş ML:
- Temel makine öğrenmesi kavramları
- AutoML’in sağladığı otomasyon avantajları
- AutoML Araçları:
- AutoML Vision, AutoML Natural Language, AutoML Tables ve AutoML Translation’ın tanıtımı
- Gün: AutoML Vision ile Görüntü Tanıma
- AutoML Vision’a Giriş:
- Görüntü sınıflandırma ve obje tanıma
- AutoML Vision model eğitimi ve kullanımı
- Veri Hazırlığı:
- Görüntü verisinin toplanması ve Google Cloud’a yüklenmesi
- Eğitim, test ve doğrulama veri setlerinin oluşturulması
- Uygulamalı Görüntü Sınıflandırma:
- Örnek veri setleri ile model eğitimi
- Eğitim sonrası model değerlendirmesi ve iyileştirme
- Gün: AutoML Natural Language ile Metin Analizi
- Doğal Dil İşlemeye Giriş:
- Doğal dil işleme (NLP) kavramları ve kullanım alanları
- AutoML Natural Language ile metin sınıflandırma ve duygu analizi
- Veri Hazırlığı:
- Metin verisinin toplanması ve ön işleme teknikleri
- NLP için veri setlerinin oluşturulması
- Uygulamalı Metin Analizi:
- Metin sınıflandırma modeli oluşturma ve eğitme
- Model doğruluğunu artırma ve sonuçların değerlendirilmesi
- Gün: AutoML Tables ile Yapısal Veriler Üzerinde Model Eğitimi
- AutoML Tables’a Giriş:
- Tabular veri nedir ve nasıl kullanılır?
- AutoML Tables ile yapısal veri üzerinde makine öğrenmesi modeli geliştirme
- Veri Seti Hazırlığı:
- Tabular veri setleri ile veri hazırlığı, özellik mühendisliği
- Google Cloud Storage ile veri yükleme
- Model Eğitimi ve Değerlendirmesi:
- Tabular veri üzerinde model eğitme
- Performans değerlendirme, doğruluk ve hata analizleri
- Gün: AutoML’de İleri Seviye Konular ve Proje Çalışması
- AutoML’de Model Optimizasyonu:
- Hiperparametre optimizasyonu ve performans iyileştirme teknikleri
- Model eğitimi sürecinin otomasyonu ve yönetimi
- Model Dağıtımı:
- Eğitilen modellerin Google Cloud üzerinde dağıtılması
- API kullanarak model entegrasyonu ve uygulamalı örnekler