Keras ile Derin Öğrenmeye Giriş

Bu eğitim BTK Akademi - 1 Milyon İstihdam Projesi için Merve Ayyüce Kızrak tarafından hazırlanmıştır.

Eğitime buradan ulaşabilirsiniz.

Eğitimin tanıtım videosuna buradan ulaşabilirsiniz.

Eğitimin Amacı:

Bu eğitim baştan sona derin öğrenme temelleri üzerine hazırlanmıştır. Matematiksel teorik bilgileri uygulamalı olarak ele alan bir eğitimdir. Python programlama dili ve Keras derin öğrenme kütüphanesini araç olarak kullanan bu eğitimde uygulamaları bulut üzerinde gerçekleştirmenin kolaylığından da faydalanılacaktır. Eğitimin sonunda bilgisayarlı görü, dizi modeller, üretici modeller ile ilgili temeller uygulayabilir olunacaktır. Ayrıca derin öğrenme modellerinin iyileştirilmesi için bilinmesi gereken incelikler de dersin kapsamındadır. Kapanışta derin öğrenmenin limitleri, geleceği ve topluma etkisi hakkında da vizyon çizilmektedir.

Eğitim Gereksinimleri (Ön Koşul Beceriler):

Temel matematik bilgisi
Temel lineer cebir ve istatistik bilgisi
Temel Python programlama dili bilgisi
Temel makine öğrenmesi bilgisi

Kursu Kimler Almalı:

Yapay zekâ temellerini öğrenmek isteyenler
Derin öğrenme yöntemlerini öğrenmek isteyenler
Python programlama dili ve Keras kütüphanesini kullanarak derin öğrenme modelleri ile çalışmak isteyenler

Eğitim için sıkça sorulan sorular (SSS) ve yanıtlarına buradan ulaşabilirsiniz. Ayrıca konuya derinlemesine dalmak için daha fazla soru ve cevap için Yapay Zekâ ve Derin Öğrenmeye Başlama Rehberi yazıma da göz atabilirsiniz.

📺 BTK Akademi ile geçekleştidiğimiz ve eğitimn kapsamındaki YouTube sohbeti ise hemen burada 👈🏻

EĞİTİM İÇERİĞİ

BÖLÜM 1: Motivasyon ve Derin Öğrenmeye Giriş

Motivasyon
Yapay Zekâ Nedir, Tarihçesi ve Kilometre Taşları
Veri Nedir ve Yapay Zekâ ile İlişkisi
Derin Öğrenme Nedir ve Terminolojisi

BÖLÜM 2: Derin Öğrenme Alet Çantası (Uygulamalı)

Derin Öğrenmeyi Başarılı Yapan Farkları
Derin Öğrenme için Donanım, Programlama Dilleri ve Kütüphaneler
Derin Öğrenme için Veri ve Algoritmalar
Derin Öğrenme Uygulama Ortamları

BÖLÜM 3: Derin Öğrenmenin Matematiksel Temelleri (Uygulamalı)

Vektörler / Matrisler / Tensörler
Türev ve Gerekliliği
Stokastik Gradyan İniş ve Optimizasyon
Zincir Kuralı ve Geriye Yayılım Algoritması
MNIST Veri Kümesinde Sinir Ağı Modeli Oluşturma ve Eğitme

BÖLÜM 4: Derin Sinir Ağları (Uygulamalı)

Katmanlar
Modeller
Kayıp Fonksiyonları
Optimizasyon Algoritmaları
State-of-the-Art Modellerin İncelenmesi

BÖLÜM 5: Yapay Öğrenme Temelleri ve Düzenlileştirme Yaklaşımları (Uygulamalı)

Denetimli Öğrenme
Denetimsiz Öğrenme
Yarı-Denetimli Öğrenme
Pekiştirmeli Öğrenme
Yapay Öğrenme Temelleri ve Düzenlileştirme Yaklaşımları
Eğitim, Doğrulama, Test Kümelerinin Oluşturulması ve Başarı Ölçütlerinin Belirlenmesi
Veri Artırma
Aşırı Uydurma, Az Uydurma ve Erken Durdurma
Aktivasyon Fonksiyonları
Optimizasyon Algoritmalarının Belirlenmesi
Aktarımlı Öğrenme, Çoklu-Görev Öğrenme

BÖLÜM 6: Evrişimli Sinir Ağları (Uygulamalı)

Evrişimli Sinir Ağı Kullanım Alanları
Evrişimli Sinir Ağı Modelleme Adımları
Evrişimli Sinir Ağı Eğitme, Sonuçları Değerlendirme ve Görselleştirme
Nesne Tanıma Örnek Uygulamalar
Yüz Görüntülerin Duygu Tanıma Örnek Uygulamalar

BÖLÜM 7: Yinelemeli Sinir Ağları (Uygulamalı)

Yinelemeli Sinir Ağları Kullanım Alanları
Dizi Modellerin Oluşturulması
Uzun-Kısa Vadeli Bellek Modeller
Basit Yinelemeli Sinir Ağı Oluşturma
IMDB Verisinde RNN ve LSTM Uygulaması

BÖLÜM 8: Üretici Modeller (Uygulamalı)

Üretici Modellerin Kullanım Alanları
DeepDream
Stil Aktarımı
Değişimsel Otokodlayıcılar
Üretici Çekişmeli Ağlar
Sentetik Veri Üretimi Uygulamaları

BÖLÜM 9: İleri Seviye Derin Öğrenme Uygulamaları ve Anahtar Kavramlar (Uygulamalı)

Keras API Kullanımı
TensorBoard Görselleştirme Kütüphanesinin Kullanımı
Derin Öğrenme için Kilit Teknolojiler
Derin Öğrenme Çalışmalarında Günceli Takip Etmek için İzlenecek Yollar

BÖLÜM 10: Derin Öğrenmenin Limitleri ve Sosyal Topluma Etkisi Derin Öğrenmenin Limitleri

Derin Öğrenmenin Geleceği
Derin Öğrenmede Yanlılık ve Saldırıya Karşı Direnç İncelemesi
Derin Öğrenmenin Sosyal Topluma Etkisi ve Gelişmekte Olan İş Alanları

Ders içinde kullanılan teknik terimler için öneri sözlük:

Yapay Zekâ Araştırma İnisiyatifi Çevrimiçi Yapay Öğrenme Sözlüğü: https://yz-ai.github.io/sozluk Sözlük İngilizce-Türkçe ve Türkçe-İngilizce olarak arama yapmaya uygun şekilde Prof. Dr. Ethem Alpaydın’ın Yapay Öğrenme kitabındaki sözlükten kaynak alınarak hazırlanmıştır.