TensorFlow kütüphanesi kullanılarak modern üretken modellerin nasıl inşa edildiğini öğreten bu eğitim, geliştiricilere "yaratıcı" algoritmaların kapılarını açar. Müfredat kapsamında Variational Autoencoders (VAE) ve Generative Adversarial Networks (GAN) gibi görüntü ve veri üreten mimariler kodlanır. Ayrıca Transformer yapısı ve Attention mekanizması incelenerek, günümüzün popüler yapay zeka modellerinin (Diffusion, Text-to-Image) arkasındaki teknolojiler uygulamalı olarak gösterilir.
•Discriminative vs Generative modeller
•Probability distributions ve sampling
•TensorFlow Probability kütüphanesi
•Autoencoders ve latent space kavramı
•VAE matematiksel temelleri
•Encoder-decoder mimarisi
•Reparameterization trick
•VAE ile görüntü üretimi uygulaması
•GAN mimarisi: Generator ve Discriminator
•Adversarial training süreci
•Mode collapse ve training instability
•DCGAN ve StyleGAN implementasyonu
•Self-attention mekanizması
•Transformer encoder-decoder yapısı
•Positional encoding
•TensorFlow ile Transformer implementasyonu
•Diffusion models temelleri
•Text-to-image pipeline'ları
•Fine-tuning ve customization
•Capstone: Özel domain için generative model Geliştirme