DALLE-3 ile oluşturulan görüntü
 

Makine öğreniminde (ML) uzmanlaşmak çok zor görünebilir, ancak doğru kaynaklarla çok daha kolay yönetilebilir. Yaygın olarak kullanılan kod barındırma platformu GitHub, her seviyedeki öğrencilere ve uygulayıcılara fayda sağlayabilecek çok sayıda değerli depoya ev sahipliği yapar. Bu makalede, yeni başlayanlar için uygun eğitimlerden gelişmiş makine öğrenimi araçlarına kadar çeşitli kaynaklar sağlayan 10 temel GitHub deposunu inceliyoruz.

Deposu: microsoft/ML-Yeni Başlayanlar İçin

Bu kapsamlı 12 haftalık program, 26 ders ve 52 test sunarak yeni başlayanlar için ideal bir başlangıç ​​noktası haline geliyor. Makine öğrenimi konusunda önceden deneyimi olmayanlar için bir başlangıç ​​noktası görevi görüyor ve Scikit-learn ve Python kullanarak temel yetkinlikleri geliştirmeyi amaçlıyor.

Her ders, uygulamalı faaliyetleri tamamlayacak ön ve son sınavlar, yazılı talimatlar, çözümler, ödevler ve diğer kaynakları içeren tamamlayıcı materyaller içerir.

Deposu: süt-ai/ML-YouTube-Kursları

Bu GitHub deposu, YouTube'da barındırılan kaliteli makine öğrenimi kurslarının seçilmiş bir dizini olarak hizmet eder. Repo, Clatech, Stanford ve MIT gibi sağlayıcılardan çeşitli makine öğrenimi eğitimlerine, derslerine ve eğitim serilerine olan bağlantıları tek bir merkezi konumda toplayarak, ilgilenen öğrencilerin ihtiyaçlarını karşılayan video tabanlı makine öğrenimi içeriğini bulmasını kolaylaştırır. 

Ücretsiz olarak ve kendi zamanınızda bir şeyler öğrenmeye çalışıyorsanız ihtiyacınız olan tek kaynaktır.

Deposu: mml-kitap/mml-kitap.github.io

Matematik, makine öğreniminin omurgasıdır ve bu havuz, "Makine Öğrenimi İçin Matematik" kitabına eşlik eden web sayfası olarak hizmet eder. Kitap, okuyucuları makine öğrenimi için gerekli matematiksel kavramları öğrenmeye motive ediyor. Yazarlar, tekniklerin kendisini ele almak yerine, gelişmiş makine öğrenimi tekniklerini anlamak için gerekli matematiksel becerileri sağlamayı amaçlamaktadır.

Doğrusal cebir, analitik geometri, matris ayrıştırmaları, vektör hesabı, olasılık, dağılım, sürekli optimizasyon, doğrusal regresyon, PCA, Gauss karışım modelleri ve SVM'leri kapsar.

Deposu: janishar/mit-derin-öğrenme-kitabı-pdf

Derin Öğrenme ders kitabı, öğrencilerin ve uygulayıcıların makine öğrenimi alanına, özellikle de derin öğrenmeye girmelerine yardımcı olmayı amaçlayan kapsamlı bir kaynaktır. 2016 yılında yayınlanan kitap, yapay zekadaki son gelişmelere yön veren makine öğrenimi tekniklerine teorik ve pratik bir temel sağlıyor. 

MIT Derin Öğrenme Kitabının çevrimiçi sürümü artık tamamlandı ve çevrimiçi olarak ücretsiz olarak erişime açık kalacak ve yapay zeka eğitiminin demokratikleşmesine değerli bir katkı sağlayacak. 

Kitap, derin ileri beslemeli ağlar, düzenlileştirme, optimizasyon algoritmaları, evrişimli ağlar, dizi modelleme ve pratik metodoloji dahil olmak üzere çok çeşitli konuları derinlemesine kapsamaktadır.

Deposu: DataTalksClub/makine öğrenimi zoom kampı

Makine Öğrenimi ZoomCamp, makine öğrenimi mühendisliğine kapsamlı bir giriş sağlayan, dört aylık ücretsiz bir çevrimiçi eğitim kampıdır. Kariyerlerini ilerletme konusunda ciddi olanlar için ideal olan bu program, öğrencilere regresyon, sınıflandırma, değerlendirme metrikleri, modellerin dağıtımı, karar ağaçları, sinir ağları, Kubernetes ve TensorFlow Hizmeti gibi temel kavramları kapsayan gerçek dünya makine öğrenimi projeleri oluşturma konusunda rehberlik eder.

Kurs boyunca katılımcılar derin öğrenme, sunucusuz model dağıtımı ve topluluk teknikleri gibi alanlarda pratik deneyim kazanacaklar. Müfredat, öğrencilerin yeni geliştirdikleri becerilerini göstermelerine olanak tanıyan iki temel projeyle sonuçlanır. 

Deposu: ujjwalkarn/Makine-Öğrenim-Eğitimleri

Bu depo, makine öğrenimi ve derin öğrenmeye ilişkin öğreticiler, makaleler ve diğer kaynaklardan oluşan bir koleksiyondur. Quora, bloglar, röportajlar, Kaggle yarışmaları, kısa notlar, derin öğrenme çerçeveleri, doğal dil işleme, bilgisayarlı görme, çeşitli makine öğrenimi algoritmaları ve birleştirme teknikleri gibi çok çeşitli konuları kapsar. 

Kaynak, kod örnekleri ve kullanım senaryosu açıklamalarıyla hem teorik hem de pratik bilgi sağlamak üzere tasarlanmıştır. Makine öğrenimi ortamına girmeye yönelik çok yönlü bir yaklaşım sunan kapsamlı bir öğrenme aracıdır.

Deposu: josephmisiti/harika-makine öğrenimi

Harika Makine Öğrenimi, bu alandaki farklı araçları ve teknolojileri keşfetmek isteyenler için mükemmel olan harika makine öğrenimi çerçeveleri, kitaplıkları ve yazılımlarından oluşan seçilmiş bir listedir. Bilgisayarlı görü, takviyeli öğrenme, sinir ağları ve genel amaçlı makine öğrenimi de dahil olmak üzere çeşitli makine öğrenimi kategorilerine ayrılan C++'tan Go'ya kadar çeşitli programlama dillerindeki araçları kapsar.

Awesome Machine Learning, makine öğrenimi uygulayıcıları ve meraklıları için veri işleme ve modellemeden model dağıtımı ve üretime kadar her şeyi kapsayan kapsamlı bir kaynaktır. Platform, kullanıcıların belirli proje ve hedeflerine en uygun olanı bulmalarına yardımcı olmak için farklı seçeneklerin kolayca karşılaştırılmasını kolaylaştırır. Ek olarak, topluluğun katkıları sayesinde depo, çeşitli programlama dillerinde en yeni ve en iyi makine öğrenimi yazılımıyla güncelliğini koruyor.

Deposu: afshinea/stanford-cs-229-makine öğrenimi

Bu depo, Stanford'un CS 229 dersinde kapsanan makine öğrenimi kavramları hakkında özet referanslar ve tazelemeler sağlar. Tüm önemli kavramları denetimli öğrenme, denetimsiz öğrenme ve derin öğrenme gibi ana konuları kapsayan VIP kopya sayfalarında birleştirmeyi amaçlamaktadır. Depo aynı zamanda olasılıklar, istatistikler, cebir ve hesaplamalardaki önkoşulları vurgulayan VIP bilgi tazeleyicileri de içerir. Ek olarak, tüm bu kavramları öğrencilerin kolayca el altında tutabilecekleri tek bir nihai referansta toplayan süper bir VIP kısa not sayfası da bulunmaktadır.

Bu önemli noktaları, tanımları ve teknik kavramları bir araya getirerek amaç, öğrencilerin CS 229'daki makine öğrenimi konularını iyice kavramalarına yardımcı olmaktır. Kısa notlar, derslerdeki ve ders kitabı materyallerindeki hayati kavramların teknik röportaj için yoğunlaştırılmış referanslar halinde özetlenmesini sağlar.

Deposu: khangich/makine öğrenimi röportajı

Facebook, Amazon, Apple, Google, Microsoft vb. gibi büyük teknoloji şirketlerindeki makine öğrenimi mühendisliği ve veri bilimi röportajlarına hazırlanmak için kapsamlı bir çalışma kılavuzu ve kaynaklar sağlar.

Kapsanan temel konular:

• Türe göre kategorize edilmiş LeetCode soruları (SQL, programlama, istatistik).
• Lojistik regresyon, KMeans, sinir ağları gibi makine öğreniminin temelleri.
• Aktivasyon işlevlerinden RNN'lere kadar derin öğrenme kavramları.
• Teknik borç ve makine öğrenimi kuralları hakkındaki makaleleri içeren makine öğrenimi sistemleri tasarımı
• Okunacak klasik makine öğrenimi kağıtları.
• Uber'de ölçeklendirme ve üretimde DL gibi makine öğrenimi üretim zorlukları
• Yaygın makine öğrenimi sistemi tasarımı röportaj soruları, örneğin video/yayın önerisi, sahtekarlık tespiti.
• YouTube, Instagram önerileri için örnek çözümler ve mimariler.

Kılavuz, Andrew Ng gibi üst düzey uzmanların materyallerini bir araya getiriyor ve en iyi şirketlerde sorulan gerçek röportaj sorularını içeriyor. Çeşitli büyük teknoloji firmalarında ML röportajlarında başarılı olmak için çalışma planı sağlamayı amaçlamaktadır.

Deposu: EthicalML/harika-üretim-makine öğrenimi

Bu depo, üretim ortamlarında makine öğrenimi modellerinin dağıtımına, izlenmesine, sürümüne, ölçeklenmesine ve güvenliğinin sağlanmasına yardımcı olacak açık kaynak kitaplıkların seçilmiş bir listesini sağlar. Aşağıdakiler de dahil olmak üzere üretim makine öğreniminin çeşitli yönlerini kapsar:

1. Tahminleri ve Modeli Açıklamak
2. Gizliliğin Korunması ML
3.  Model ve Veri Sürümü Oluşturma
4. Model Eğitim Orkestrasyonu
5. Model Sunumu ve İzleme
6. AutoML
7. Veri Hattı
8. Veri Etiketleme
9. Meta Veri Yönetimi
10. Hesaplama Dağılımı
11. Model Serileştirme
12. Optimize Edilmiş Hesaplama
13. Veri Akışı İşleme
14. Aykırı Değer ve Anormallik Tespiti
15. Özellik Mağazası
16. Rakiplere Karşı Sağlamlık
17. Veri Depolama Optimizasyonu
18. Veri Bilimi Not Defteri
19. Sinirsel Arama
20. Ve dahası.

İster yeni başlayan ister deneyimli bir makine öğrenimi uygulayıcısı olun, bu GitHub depoları, makine öğrenimi konusundaki anlayışınızı ve becerilerinizi derinleştirecek zengin bilgi ve kaynaklar sağlar. Temel matematikten ileri tekniklere ve pratik uygulamalara kadar bu depolar, makine öğreniminde uzmanlaşma konusunda ciddi olan herkes için temel araçlardır.
 
 

Abid Ali Avan (@1abidaliwan), makine öğrenimi modelleri oluşturmayı seven sertifikalı bir veri bilimcisi uzmanıdır. Şu anda, makine öğrenimi ve veri bilimi teknolojileri üzerine içerik oluşturmaya ve teknik bloglar yazmaya odaklanıyor. Abid, Teknoloji Yönetimi alanında yüksek lisans ve Telekomünikasyon Mühendisliği alanında lisans derecesine sahiptir. Vizyonu, akıl hastalığı ile mücadele eden öğrenciler için bir grafik sinir ağı kullanarak bir AI ürünü oluşturmaktır.

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
• PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
• PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
• PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
• Kaynak: https://www.kdnuggets.com/10-github-repositories-to-master-machine-learning?utm_source=rss&utm_medium=rss&utm_campaign=10-github-repositories-to-master-machine-learning