Yapay zekadan makale özeti
- Kısa
- Ayrıntılı
- Bu video, Trendys Academy kanalında yayınlanan bir eğitim içeriğidir. Eğitmen, derin öğrenme konusunu ve Keras kütüphanesi kullanarak sinir ağı modeli oluşturma sürecini anlatmaktadır.
- Video, derin öğrenmenin ne olduğunu, makine öğrenmesiyle arasındaki farkları ve sinir ağlarının yapısını açıklayarak başlamakta, ardından TensorFlow ve Keras kütüphanelerinin nasıl yükleneceğini göstermektedir. Daha sonra model yapılandırılması, veri ön işleme işlemleri ve modelin eğitilmesi adımları adım adım anlatılmaktadır.
- Eğitim içeriğinde el yazısı rakamlarını sınıflandırma problemi üzerinden örnekler verilmekte ve modelin test verisindeki %98 doğruluk oranıyla aşırı uydurma (overfitting) sorunu olduğu belirtilmektedir.
- Yapay Zeka ve Derin Öğrenme
- Yapay zeka son yıllarda popülerleşerek sürücüsüz arabalar, kanserli hücreleri tespit eden uygulamalar ve insanlar gibi çalışan robotlar gibi teknolojileri ütopyadan gerçek hayata taşıdı.
- Derin öğrenme, beyindeki sinir ağlarını taklit eden makine öğrenmesinin bir alt dalıdır ve büyük veri analitiği için önemli bir araçtır.
- Derin öğrenme, çok büyük miktarda denetimsiz veriyi öğrenebilmesi ve analiz edebilmesi sayesinde son on yılda popülerlik kazanmıştır.
- 02:08Derin Öğrenmenin Çalışma Prensibi
- Derin öğrenme algoritması bağlı katmanlardan oluşur; ilk katman girdi, son katman çıktı, aradaki katmanlar ise gizli katmanlardır.
- Her katman nöronlardan oluşur ve nöronlar girdi sinyallerini bir sonraki alıcılara dağıtır; sinyallerin gücü ağırlık, bias ve aktivasyon fonksiyonuna bağlıdır.
- Derin öğrenme, herhangi bir önbilgi olmadan otomatik olarak öğrenir ve her bir katman hiyerarşik olarak daha derin öğrenmeyi sağlar.
- 03:14Makine Öğrenmesi ile Derin Öğrenme Arasındaki Farklar
- Derin öğrenme, geleneksel makine öğrenme yöntemlerinin aksine muazzam büyüklükteki veriler üzerindeki problemleri çözmede ve bu verilerin analizinde büyük avantaj sağlamaktadır.
- Makine öğrenmesinde makineye sınıflandıracak nesnelerin özelliklerini söylemek gerekirken, derin öğrenme ile birlikte makine kendi başına nesnenin özelliklerini öğrenebilmektedir.
- Makine öğrenmesi küçük ve orta veri setlerinde, düşük özellikli bilgisayarlarda çalışırken, derin öğrenme büyük veri setlerinde, grafiksel işleme birimi yüksek olan güçlü bilgisayarlarda çalışır.
- 05:08Derin Öğrenme İçin Ortam Hazırlama
- Derin öğrenme için öncelikle Keras kütüphanesini TensorFlow back enti ile çalıştırabilirsiniz.
- Anaconda platformu kullanarak yeni bir ortam oluşturup TensorFlow ve Keras kütüphanelerini yükleyebilirsiniz.
- Jupyter Notebook, veriyi iyi görselleştirdiği ve web tabanlı olduğu için veri biliminde çok sık kullanılan bir IDE'dir.
- 07:41İlk Derin Öğrenme Uygulaması
- İlk uygulama olarak el yazısı rakamlarını sınıflandırmak için MNIST veri setini kullanacağız.
- Veri seti 60.000 eğitim örneği ve 10.000 test örneği içeriyor; her bir resim 28x28 boyutunda olup etiketleri 0'dan 9'a kadar rakamlardan oluşuyor.
- Derin öğrenme modeli için iki katmanlı bir ağ oluşturuyoruz; ilk katmanda 512 nöron ve ReLU aktivasyon fonksiyonu kullanılıyor.
- 10:53Sinir Ağı Modelinin Oluşturulması
- Sinir ağı modelinde katmanda 10 nöron ve aktivasyon fonksiyonu olarak softmax kullanılıyor.
- Model derlenmek için compile komutu kullanılıyor ve burada optimizer (rmsprop), loss (categorical_crossentropy) ve metric (accuracy) argümanları belirleniyor.
- 11:58Veri Ön İşleme
- Eğitim ve test verileri 28x28 boyutuna getiriliyor ve veri yapısı float32 olarak ayarlanıyor.
- Veri değerleri 0-1 aralığına normalize ediliyor.
- Etiketler kategorik olarak kodlanıyor.
- 13:23Model Eğitimi ve Değerlendirme
- Model fit metodunu kullanarak eğitiliyor, 5 epoch ve 128 batch size değeri belirleniyor.
- Modelin test verisi üzerindeki performansı evaluate metodu ile değerlendiriliyor ve doğruluk değeri yaklaşık %98.
- Modelin test verisindeki performansı eğitim verisindeki performansından düşük olduğu için aşırı uydurma (overfitting) sorunu olduğu belirtiliyor.
- 14:36Kapanış
- Kanalda 400'den fazla eğitim videosu bulunuyor.
- Özellikle Python ve kütüphaneleri dersleri tavsiye ediliyor.