Deep Learning Keywords (Derin Öğrenme Anahtar Kelimeler)

Derin Öğrenme’ye (deep learning) ilgi duyduğumdan biraz araştırma yapmıştım. Açıkçası konuya çok hakim değilim ama ileride üzerinde çalışmak istiyorum. Yaptığım araştırma neticesinde bazı anahtar kelimeleri ileride ipucu olur diyerek not etmiştim. Bu notları bir yazı ile paylaşmak istedim. İleride bu anahtar kelimeleri kullanarak detaylı bir şekilde öğrenip kullanmayı düşünüyorum.

  • Imagenet yarışması – Stanford – image-net.org
  • Deepdream – Google
  • Machine Learning
  • Supervised – Unsupervised – Reinforcement Learning (köpek eğitimi)
  • mnist samples
  • Derin Öğrenme = Çok Katmanlı YSA (Yapay Sinir Ağı)
  • Bayes – SVM – overfitting
  • abstract + generalization (10 bin köpekten evrendeki hepsine)
  • Hiperparametre (n parametre n denklem)
  • Karar ağacı veriyle uyumlu olmalı
  • Bootstraping – Sentetik veri seti – opencv
  • MLP (Multilayer Perceptron), FCN (Fully Connected Networks), FFN (Feed Forward Network)
  • Input – Hidden Layer – Output + Back Propagation (to hidden layer)
  • Epoch
  • Batch – Mini batch (input’u parçalayarak)
  • Hyper-Parameters – learning rate, over fitting (dropout), regularization, momentum.
  • iPython
  • matplotlib (grafik python)
  • miletosacademy.com – Berkin Malkoç – Teknokent
  • Theano Framework (gpu’da çalışabiliyor)
  • Minist Problemi
  • Spark-python
  • Cudnn (Cuda deep learning)
  • Konvolüsyonel sinir ağları
  • Bias da öğrenilecek bir parametre
  • DNN – (FFNN – RNN – RBM/DBN)
  • FFNN – feed forward -> MLP, CNN (Konvolüsyonel Sinir Ağları)
  • RNN (Recurrent) – nöron kendine dönüyor. Geri besleme var. Simple, LSTM
  • CNN – Konvolüsyonel katman (conv, relu), Pooling katmanı, fully connected katman.
  • Googlenet – convolution, pooling, softmax, other
  • Özyinelemeli Sinir Ağları FRAMEWORKS – GPU (Theano (mlp, cnn, rnn, ltsm), Caffe (json’a benziyor), Tensorflow, knet.jl (nvidia), digit (caffe + görsellik))
  • Datasets – Mnist (el yazısı), cifar-10 (10 obje resim)
  • Jupyter
  • Özyinelemeli sinir ağları – zamana bağlı problemler için ses, yazı, video vs.
  • vanishing gradient problemi – insan hafızası gibi – lstm
  • Kısıtlanmış Boltzman Makinesi, Hopfield ağı, özkodlayıcılar
  • Reuter corpus – Salakhutdinov science volume 313 504-507 2006
  • python pycharm
  • spyder (bilimsel), matlab
  • rstudio
  • profiling – programdaki dar boğazların tespiti için
  • makefile – otomasyon
  • markdown (rmarkdown)
  • Julia
  • t-test
  • Kaggle
  • Panda S, r-python
Bugün 1, bugüne kadar toplam 125 kez ziyaret edildi.

Bir yanıt yazın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir