DERİN ÖĞRENME · İleri
Deep Learning Testi
Eğitim dinamikleri, düzenlileştirme, normalizasyon, transfer öğrenme ve dikkat mekanizmasının maliyetini ölçen test.
- Soru
- 6
- Süre
- 12 dk
- Ölçülen beceri
- 6
- Seviye
- İleri
Kimler çözmeli?
Derin öğrenme modeli eğiten veya ince ayar yapan mühendisler.
Ölçülen beceriler
- Eğitim dinamikleri
- Düzenlileştirme
- Mimari
- Teşhis
- Mimari seçimi
- Transfer öğrenme
Testi çöz
Her cevaptan sonra doğru yanıt ve açıklaması gösterilir. Sonuçta beceri bazlı kırılım ve eksik alan önerisi alırsın.
6 soruluk testi çözmeye hazır mısın?
Her cevaptan sonra doğru yanıt ve açıklaması gösterilir. Sonuçta beceri bazlı kırılım ve eksik alanlar için öneri alırsın.
Bu test neyi ölçüyor?
Test sonrası ne bildiğini değil, hangi beceride eksik olduğunu görürsün.
- 01
Eğitim sırasındaki tipik arızaları teşhis etmek
- 02
Normalizasyon ve düzenlileştirme seçimini gerekçelendirmek
- 03
Dikkat mekanizmasının maliyet profilini bilmek
Sorular sayfada görünür
Eğitim içeriği JavaScript arkasına gizlenmez. Aşağıdaki üç örnek soru, doğru cevapları ve açıklamalarıyla birlikte taranabilir durumdadır.
- Soru 01dl_002Eğitim dinamikleri · İleri · Teşhis
Eğitim kaybı bir süre düştükten sonra aniden NaN oluyorsa en olası neden nedir?
- AVeri seti çok küçük
- BÖğrenme oranı çok yüksek / gradyan patlaması
- CKatman sayısı yetersiz
- DToplu boyut (batch size) çok küçük
Açıklama
NaN genellikle sayısal taşmadan gelir: yüksek öğrenme oranı veya gradyan patlaması. Çözüm; öğrenme oranını düşürmek, gradyan kırpma ve karma hassasiyette ölçekleyici kullanmaktır.
- Soru 02dl_005Düzenlileştirme · Orta · Düzenlileştirme
Dropout eğitim ve çıkarım sırasında nasıl davranır?
- Aİkisinde de aynı oranda nöron kapatır
- BYalnızca eğitimde nöron kapatır, çıkarımda devre dışıdır
- CYalnızca çıkarımda çalışır
- DYalnızca son katmanda çalışır
Açıklama
Dropout bir düzenlileştirme yöntemidir ve yalnızca eğitimde uygulanır. Çıkarımda tüm nöronlar etkindir; çıktı ölçeklemesi eğitim sırasında telafi edilir.
- Soru 03dl_008Mimari · İleri · Mimari seçimi
Artık (residual) bağlantıların temel katkısı nedir?
- AParametre sayısını azaltır
- BDerin ağlarda gradyan akışını koruyarak eğitimi mümkün kılar
- CModelin bellek kullanımını düşürür
- DAşırı uyumu tamamen engeller
Açıklama
Artık bağlantılar gradyanın katmanları atlayarak geriye akmasına izin verir; bu, çok derin ağlarda kaybolan gradyan sorununu hafifletir. Parametre veya bellek tasarrufu sağlamaz.
Skor nasıl okunur?
AI Curious
0–35
Kavramları duymuş, henüz haritası yok.
AI Explorer
36–60
Temelleri biliyor, uygulamada boşluklar var.
AI Practitioner
61–80
Uygulama kurabiliyor, değerlendirme eksik.
AI Builder
81–100
Üretim sistemi kurabiliyor ve ölçebiliyor.
Ölçmeye devam et
- Derin ÖğrenmeDerin Öğrenme Testi — Orta6 soru · 12 dk
- Yapay Zekâ TemelleriAI Temelleri Testi7 soru · 8 dk
- Üretken Yapay ZekâGenerative AI Testi6 soru · 9 dk
- Makine ÖğrenmesiMachine Learning Testi7 soru · 12 dk
- Makine ÖğrenmesiMakine Öğrenmesi Testi — Başlangıç6 soru · 8 dk
- Makine ÖğrenmesiMakine Öğrenmesi Testi — İleri6 soru · 15 dk
LEARN
Eksik çıkan beceriyi kapat
Test sonucun beceri grafiğine işlenir; sistem hangi dersle devam etmen gerektiğini söyler.