Synthetic Data Engineering
Üretken modellerle sentetik veri: gizlilik-koruyan üretim, augmentasyon, kalite ve önyargı kontrolü.
Seviye
İleri
Süre
20 saat
Tahmini yayın
2028 Q2
Kategori
Machine Learning ve Deep Learning
Gerçek verinin kıt, pahalı ya da gizlilik açısından riskli olduğu durumlarda sentetik veri üretmeyi öğreten kurs. Üretken modellerle veri sentezinden gizlilik-koruyan tekniklere, veri augmentasyonundan sentetik verinin kalite ve önyargı değerlendirmesine; model eğitimini besleyen güvenilir sentetik veri pipeline'ları kurarsın.
Öğrenilecek teknolojiler
Ne öğreneceksin
- Üretken modellerle sentetik veri üretme
- Gizlilik-koruyan veri teknikleri
- Augmentasyon ve dengeleme
- Sentetik veri kalitesi ve önyargı değerlendirmesi
Kimler için
- Veri kıtlığı/gizlilik ile boğuşan ML ekipleri
- Sentetik veri üreten mühendisler
- Regüle sektörlerde çalışan veri bilimciler
Müfredat özeti
- 01Sentetik veri neden ve ne zaman
- 02Üretken modellerle sentez
- 03Gizlilik-koruyan üretim
- 04Augmentasyon ve dengeleme
- 05Kalite ve önyargı değerlendirmesi
- 06Pipeline ve üretim
Diğer kursları keşfet
Machine Learning ve Deep Learning
LLM Fine-Tuning: LoRA, QLoRA ve Hugging Face
Ne zaman fine-tune, veri hazırlama, LoRA/QLoRA ile parametre-verimli eğitim, değerlendirme ve dağıtım.
Machine Learning ve Deep Learning
Machine Learning Bootcamp: Python ve Scikit-learn
Sıfırdan ML: Python, pandas, feature engineering, denetimli/denetimsiz öğrenme ve model değerlendirme.
Machine Learning ve Deep Learning
Deep Learning: PyTorch ile Sinir Ağları
Sinir ağı temelleri, backpropagation, PyTorch, CNN'ler, eğitim döngüsü ve GPU ile hızlandırma.