Skip to content
forked from d2l-ai/d2l-tr

Turkish translation of Dive into Deep Learning

License

Unknown and 2 other licenses found

Licenses found

Unknown
LICENSE
MIT-0
LICENSE-SAMPLECODE
Unknown
LICENSE-SUMMARY
Notifications You must be signed in to change notification settings

semercim/d2l-tr

 
 

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

D2L.ai: Çoklu-Çerçeveli Kod, Matematik ve Tartışmalar İçeren Etkileşimli Derin Öğrenmeye Dalış Kitabı

İnşa Durumu | Güncel sürüm: v0.17.5

Kitap web sitesi | STAT 157 Dersi UC Berkeley, Bahar 2019 | Çeviri Rehberi

Derin öğrenmeyi anlamanın en iyi yolu yaparak öğrenmektir.

Bu açık kaynak kitabın hedefi, kavramları, kodu ve ortamı öğreterek derin öğrenmeyi daha ulaşılabilir yapmaktır. Kitabın tamamı Jupyter not defterleri kullanılarak tasarlandı, bu sayede figürleri, matematiği ve etkileşimli örnekleri kodla sorunsuz bir şekilde bütünleştirebildik.

Hedeflerimiz:

  1. Herkesin serbestçe kullanabildiği
  2. Uygulamalı makine öğrenmesi bilimcisi olma yolunda bir başlangıç noktası sağlamak için yeterli teknik derinlik sunan
  3. Okuyuculara pratikte problemlerin nasıl çözüleceğini gösteren çalıştırılabilir kod içeren
  4. Hem bizim hem de genel olarak topluluk tarafından yapılacak hızlı güncellemelere izin veren
  5. Teknik detayların etkileşimli tartışılması ve soruların cevaplanması için bir forum ile tamamlanan bir kaynak sunmaktır.

D2L'yi Kullanan Üniversiteler

D2L Kullanan Harika Makaleler

  1. Descending through a Crowded Valley--Benchmarking Deep Learning Optimizers. R. Schmidt, F. Schneider, P. Hennig. International Conference on Machine Learning, 2021

  2. Universal Average-Case Optimality of Polyak Momentum. D. Scieur, F. Pedregosan. International Conference on Machine Learning, 2020

  3. 2D Digital Image Correlation and Region-Based Convolutional Neural Network in Monitoring and Evaluation of Surface Cracks in Concrete Structural Elements. M. Słoński, M. Tekieli. Materials, 2020

  4. GluonCV and GluonNLP: Deep Learning in Computer Vision and Natural Language Processing. J. Guo, H. He, T. He, L. Lausen, M. Li, H. Lin, X. Shi, C. Wang, J. Xie, S. Zha, A. Zhang, H. Zhang, Z. Zhang, Z. Zhang, S. Zheng, and Y. Zhu. Journal of Machine Learning Research, 2020

  5. Detecting Human Driver Inattentive and Aggressive Driving Behavior Using Deep Learning: Recent Advances, Requirements and Open Challenges. M. Alkinani, W. Khan, Q. Arshad. IEEE Access, 2020

daha fazlası
  1. Diagnosing Parkinson by Using Deep Autoencoder Neural Network. U. Kose, O. Deperlioglu, J. Alzubi, B. Patrut. Deep Learning for Medical Decision Support Systems, 2020

  2. Deep Learning Architectures for Medical Diagnosis. U. Kose, O. Deperlioglu, J. Alzubi, B. Patrut. Deep Learning for Medical Decision Support Systems, 2020

  3. ControlVAE: Tuning, Analytical Properties, and Performance Analysis. H. Shao, Z. Xiao, S. Yao, D. Sun, A. Zhang, S. Liu, T. Abdelzaher.

  4. Potential, challenges and future directions for deep learning in prognostics and health management applications. O. Fink, Q. Wang, M. Svensén, P. Dersin, W-J. Lee, M. Ducoffe. Engineering Applications of Artificial Intelligence, 2020

  5. Learning User Representations with Hypercuboids for Recommender Systems. S. Zhang, H. Liu, A. Zhang, Y. Hu, C. Zhang, Y. Li, T. Zhu, S. He, W. Ou. ACM International Conference on Web Search and Data Mining, 2021

Bu kitabı yararlı buluyorsanız, lütfen bu depoya yıldız ekleyin (★) veya aşağıdaki bibtex girdisini kullanarak kitabı alıntılayın:

@article{zhang2021dive,
    title={Dive into Deep Learning},
    author={Zhang, Aston and Lipton, Zachary C. and Li, Mu and Smola, Alexander J.},
    journal={arXiv preprint arXiv:2106.11342},
    year={2021}
}

Uzmanların Kitap Hakkındaki Görüşleri

"On yıldan kısa bir süre içinde, yapay zeka (YZ) devrimi araştırma laboratuarlarından geniş endüstrilere, günlük hayatımızın her köşesine yayıldı. Derin Öğrenmeye Dalış, derin öğrenme hakkında mükemmel bir kaynak ve derin öğrenmenin neden zamanımızın en güçlü teknoloji gücü olan YZ devrimini ateşlediğini öğrenmek isteyen herkes okumalıdır."

— Jensen Huang, Kurucu and CEO, NVIDIA

"Bu, zamana uygun derin öğrenme ilkelerine sadece kapsamlı bir genel bakış sunmakla kalmayıp aynı zamanda uygulamalı programlama koduna sahip ayrıntılı algoritmalar içeren ve dahası, bilgisayarlı görmedeki ve doğal dil işlemedeki derin öğrenmeye son teknoloji ürünü bir giriş sağlayan büyüleyici bir kitaptır. Derin öğrenmeye dalmak istiyorsanız bu kitaba dalın!"

— Jiawei Han, Michael Aiken Chair Professor, University of Illinois at Urbana-Champaign

"Jupyter not defterleri ile tümleşik uygulamalı deneyime odaklanan, makine öğrenmesi literatürüne son derece hoş bir eklemedir. Derin öğrenme öğrencileri bu alanda yetkin olmak için bu kitabı çok değerli bulmalıdır."

— Bernhard Schölkopf, Director, Max Planck Institute for Intelligent Systems

Bu açık kaynak kitap pedagojik önerilerden, yazım hatası düzeltmelerinden ve topluluk katılımcılarından gelen diğer iyileştirmelerden faydalanmıştır. Yardımınız kitabı herkes için daha iyi hale getirmede değerlidir.

Sayın D2L'ye katkıda bulunanlar, lütfen GitHub kimliğinizi ve adınızı d2lbook.en AT gmail NOKTA com adresine e-posta ile gönderiniz ki adınız teşekkürler bölümünde çıksın. Teşekkürler.

Lisans Özeti

Bu açık kaynak kitap Creative Commons Attribution-ShareAlike 4.0 Uluslararası Lisansı altında sunulmaktadır. Bkz. LİSANS dosyası.

Bu açık kaynak kitaptaki örnek ve referans kodu, değiştirilmiş bir MIT lisansı altında sunulur. LICENSE-SAMPLECODE dosyasına bakın.

İngilizce sürüm | Sorunları tartışın ve bildirin | Davranış kodu | Diğer bilgiler

About

Turkish translation of Dive into Deep Learning

Resources

License

Unknown and 2 other licenses found

Licenses found

Unknown
LICENSE
MIT-0
LICENSE-SAMPLECODE
Unknown
LICENSE-SUMMARY

Code of conduct

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages

  • Python 67.9%
  • HTML 17.5%
  • TeX 14.1%
  • Shell 0.5%