Yapay zekadan makale özeti
- Kısa
- Ayrıntılı
- Bu video, Bilgisayar Programcılığı 2017-543 numaralı İlay Dönder tarafından sunulan bir eğitim içeriğidir. Eğitmen, derin öğrenme ve sınıflandırma konularını anlatmaktadır.
- Video, iki ana bölümden oluşmaktadır. İlk bölümde derin öğrenme ve sınıflandırma uygulamaları, Google Net gibi eğitilmiş ağların kullanımı, resimlerin sınıflandırılması ve sinir ağlarının çalışma prensipleri adım adım gösterilmektedir. İkinci bölümde ise kategori isimlerini bulma işlemi, "laps" ve "kap" komutları kullanılarak pratik uygulamalar yapılmaktadır.
- Videoda ayrıca katmanların nasıl erişileceği, skorların nasıl hesaplanacağı ve grafiklerin nasıl çizileceği gibi teknik detaylar da gösterilmekte, pratik uygulamalar ve kod örnekleriyle desteklenmektedir.
- Diplo Uygulamasında Resim Sınıflandırması
- Bilgisayar programcılığı öğrencisi İlay Dönder, Diplo uygulamasının ikinci kısmından devam edecek.
- Uygulamada resimlerin hangi sınıflandırmaya örnek olduğunu bulma işlemi yapılacak.
- İmre komutu kullanılarak resimler açılıp görüntülenebiliyor.
- 02:49Google Net ve Eğitilmiş Ağlar
- Uygulamada daha önceden eğitilmiş ağlar kullanılıyor ve genellikle Google Net uygulaması tercih ediliyor.
- Eğitilmiş ağlar yüzlerce, binlerce kişi tarafından geliştiriliyor ve resmin neye ait olduğunu bulmaya çalışıyor.
- Bu ağlar doğrusal işlemler yapılarak matrix'e çevrildikten sonra neye ait olduğunu tahmin etmeye çalışıyor.
- 03:48Sınıflandırma İşlemi
- Uygulamada sınıflandırma yapmak için resimlerin isimleri atanıyor.
- İlk resim sahil kenarına ve deniz kenarına benzetiliyor.
- İkinci resim kedi olarak sınıflandırılıyor ancak köpeğine benzetiliyor.
- 05:37Derin Öğrenme ve Eğitilmiş Ağlar
- Derin öğrenmede daha önceden eğitilmiş ağlar kullanılabilir veya sıfırdan ağ kurulabilir.
- Network Design'dan daha önceden eğitilmiş ağlar indirilebilir.
- Ünlem işareti olan kısımlar ağların daha önceden eğitilmemiş olduğunu gösteriyor.
- 06:49Sinir Ağları ve Özellikleri
- Kolay sinir ağları (SN) iki boyutlu imajın üstüne pencereleri gezdirerek özelliklerini bulmaya çalışıyor.
- Sinir ağlarında giriş ve çıkış kısımları bulunuyor, ortadaki katmanlar imajın özelliklerini ve boyutlarını bulmak için yapılandırılıyor.
- Katmanlara ulaşmak için "lower" komutu kullanılıyor.
- 09:32Katmanlara Erişim ve Sınıflandırma
- Giriş katmanına ulaşmak için "input" komutu kullanılıyor ve boyut bilgileri (224x224x3) görüntüleniyor.
- Son katmana ulaşmak için "out" komutu kullanılıyor.
- Sınıflandırma yaparken en yüksek puanı alan tahmin seçiliyor.
- 13:13Sınıflandırma Sonuçları ve Grafik Çizimi
- Sınıflandırma sonuçları grafik halinde çizdirilebiliyor.
- Grafikte en yüksek puanı alan tahmin kısa çizgi ile gösteriliyor.
- Sadece değeri 0,01'den büyük olan tahminler alınarak tahmin olarak sunuluyor.
- 15:06Kategori İsimlerini Bulma
- Dört tane kategori tanımlanmış ve bunların kategori isimlerini bulma yöntemi gösterilmiş.
- "İlk laps" komutu kullanılarak sıfırdan büyük olan kategori isimleri bulunmuş.
- "Kedi" kategorisinde aynı uygulamaların tek tek yazıldığı belirtilmiş.
- 16:18Dersin Sonu
- Bugünkü dersin bu kadardı ve diğer derste üçüncü bölümde görüşmek üzere veda edilmiş.