Bilgisayarlı Görü Modellerini Optimize Etme ve Dağıtma

Bilgisayarlı görü (computer vision) modelleri, doğru mimarilerden daha fazlasını gerektirir; iyi hazırlanmış veri kümelerine, kararlı eğitim süreçlerine ve güvenilir değerlendirme iş akışlarına dayanırlar. Bu kursta, gerçek dünyadaki yapay zeka (AI) sistemlerinde kullanılan bilgisayarlı görü modellerini nasıl optimize edeceğinizi ve dağıtacağınızı öğreneceksiniz. Bilgisayarlı görü veri kümelerini analiz ederek ve model performansını ile genelleştirmeyi artırmak için görüntü artırma (image augmentation) tekniklerini uygulayarak başlayacaksınız. Ardından, göreve özel metrikleri kullanarak model tahminlerini nasıl değerlendireceğinizi öğrenecek ve model davranışındaki zayıf yönleri belirlemek için hata analizi yapacaksınız. Kurs ayrıca derin öğrenme eğitimini kararlı hale getirme tekniklerini de incelemektedir. İlklendirme (initialization), normalleştirme (normalization) ve düzenlileştirmenin (regularization) model öğrenme dinamiklerini nasıl etkilediğini inceleyecek ve kaybolan veya patlayan gradyanlar (vanishing/exploding gradients) gibi sorunları nasıl teşhis edeceğinizi öğreneceksiniz. Son olarak, makine öğrenimi mühendislerinin yapılandırılmış iş akışları ve ablasyon çalışmaları (ablation studies) kullanarak yapay zeka deneylerini nasıl yeniden ürettiğini ve değerlendirdiğini öğreneceksiniz. Kursun sonunda, güvenilir mühendislik iş akışlarını kullanarak görü veri kümelerini hazırlayabilecek, eğitim zorluklarını teşhis edebilecek, model performansını değerlendirebilecek ve bilgisayarlı görü modellerini dağıtabileceksiniz.