Bu eğitimde, derin öğrenme temelli dizi modelleme (sequence modeling) tekniklerine odaklanılmaktadır. Katılımcılara, metin, zaman serisi ve dizi verileri üzerinde yinelemeli sinir ağı-RNN ve geçitli yinelemeli birimler-GRU modellerinin teorik altyapısı aktarılmaktadır. Ayrıca, metin işleme süreçlerinde kullanılan bölütleme (tokenization) yöntemleri, BPE, WordPiece ve Unigram gibi alt sözcük algoritmaları detaylı bir şekilde ele alınmaktadır. Eğitim süresince, sözcük temsilleri (embeddings), bağlam/anlam koruma süreçleri ve Doğal Dil İşleme (NLP) projeleri için gerekli teorik altyapı sunulmaktadır. Katılımcılar, dizi modelleme projelerinde karşılaşılan gradyanların yok olması ve aşırı öğrenme gibi sorunlarla ilgili çözüm tekniklerine dair bilgiler edinmektedir.

• Yinelemeli sinir ağları (RNN) tekniklerini bilir.
• Yinelenmeli sinir ağları (RNN) ve GRU modellerinin temel yapısını ve çalışma prensiplerini anlar.
• Dizi modelleme tekniklerini (sequence modeling) derin öğrenme projelerinde uygulayabilecek teorik bilgiyi edinir.
• Türkçe ve diğer dillerde metin verilerini bölütleyerek (tokenization) alt birimler oluşturmayı öğrenir.
• BPE, WordPiece ve Unigram gibi alt sözcük algoritmalarını kullanarak sözcük temsilleri (embedings) ve bölütleme (tokenization) süreçlerini öğrenir.
• Doğal Dil İşleme (NLP) projelerinde RNN ve GRU tabanlı modeller geliştirebilme ve optimize etmeyi öğrenir.
• Aşırı öğrenmeyi önleme, hiperparametre ayarlama ve model performansını artırma yöntemlerini öğrenir.