Merhaba arkada?lar, 

Description

Bu kursta günümüzde çok heyecan verici gelişmelerin yaşandığı, yapay zeka alanında yapılan çalışmaların büyük bir kısmını oluşturan derin öğrenmeyi yani yapay sinir ağlarını anlatıyorum. Son yıllarda yapay zekanın patlamasının sebebi de zaten yapay sinir ağları alanında yapılan çalışmalardır. Kursta Google'ın kendi projelerinde kullandığı ve aktif olarak geliştirdiği Tensorflow kütüphanesini kullanarak farklı türlerde yapay sinir ağları geliştireceğiz. Öncelikle yapay sinir ağlarının mantığını, bu konu ile ilgili terimleri, kavramları sizlere açıklayacağım ve daha sonra sinir ağlarını kodlamaya geçeceğiz. Kodlamayı Python'da yapıyoruz. Eğer Python bilginiz yoksa da endişelenmenize gerek yok. Python çok basit bir dil olduğu için farklı bir dil bilseniz bile Python'a alışmanız çok kolay olacaktır. Programlama bilginiz yoksa öncesinde en azından temel programlama bilgisi edinmenizi tavsiye ederim.  Bununla ilgili benim diğer kurslarıma bakabilirsiniz.

Başarılar.

Kurs Kapsamı

Makine Öğreniminin Temelleri

Yapay Sinir Ağları

Katmanlar

Aktivasyon Fonksiyonları

Optimizasyon Algoritmaları

Backpropogation

Overfitting

Konvolüsyonel Sinir Ağları

MNIST , CIFAR-10 ve ImageNET Datasetleri

Transfer Learning

Deep Dream

RNN

LSTM

Tensorboard

Keras

Bu kurs kimler için uygun:

• Google'ın açık kaynak kodlu kütüphanesi TensorFlow öğrenmek isteyen herkes.
• Yapay zeka ile ilgilenen herkes.
• Yapay sinir ağları kullanarak modeller geliştirmek isteyen herkes.
• Convolutional neural network, Recurrent neural network öğrenmek isteyen herkes.
• Veri bilimi ile ilgilenen herkes.
• Otomatize edilmiş sistemler hakkında bilgi almak isteyen herkes.

Course content

• Makine Öğrenimi
  • Makine Öğrenimi Nedir?
• Başlamadan Önce Kurulumlar
  • Kurulum (Anaconda, Pycharm)
  • Kurulum (Tensorflow CPU ve GPU)
  • Derin Öğrenmede CPU vs GPU
  • Kurulumlar (Yazılı)
• Derin Öğrenme
  • Yapay Sinir Ağları
  • Layers (Katmanlar)
  • Aktivasyon Fonksiyonları
  • Loss (Cost) Fonksiyonları
  • Gradient Descent
  • Optimizasyon Algoritmaları
  • Backpropagation
  • Overfitting ve Düzenlileştrime (Regularization)
• Tensorflow ile Yapay Sinir Ağları
  • Basit Linear Model (MNIST) Part 1
  • Basit Linear Model (MNIST) Part 2
  • Basit Linear Model (MNIST) Part 3
  • Basit Linear Model (MNIST) Part 4
  • Çok Layerlı Sinir Ağı
  • Loss Grafiği
  • Dropout
  • Modelin Yaptığı Hatalar
• Konvolüsyonel Sinir Ağları (CNN)
  • Konvolüsyonel Sinir Ağları Nedir?
  • CNN ile MNIST
  • CIFAR-10
  • Overfitting Problemi
  • Data Augmentation
  • Batch Normalization
  • Modelleri Kaydetme
  • CNN Mimarileri
  • Inception ile Resimdeki Objeleri Tanıma
  • Transfer Learning
  • Görsel Analiz
  • Deep Dream
• Yinelenen Sinir Ağları (RNN)
  • Yinelenen Sinir Ağları Nedir?
  • RNN ile Spam Filtresi
  • LSTM Nedir?
  • LSTM ile Kelime Üretimi
  • Çok Layerlı LSTM ile Harf Üretimi
• Tensorflow ile Model Geliştirmeyi Kolaylaştırma
  • Tensorboard
  • Keras
  • Kapanış
  • Diğer yapay zeka kursları için kupon
• Ek Ders: Python'a giriş ve Numpy
  • Jupyter Notebook Tutorial
  • Veri Türleri 1
  • Veri Türleri 2
  • Koşullu İfadeler
  • Döngüler
  • Fonksiyonlar
  • Numpy Array
  • Numpy'da Indeksleme
  • Numpy'da İşlemler
  • Python Kodları