Yapay zekadan makale özeti
- Kısa
- Ayrıntılı
- Bu video, bir konuşmacının yapay zeka, makine öğrenmesi ve derin öğrenme alanlarında bitirme projesi yapmak isteyenlere rehberlik ettiği eğitim içeriğidir.
- Video, yapay zeka projelerinde veri setlerinin önemi üzerine odaklanmaktadır. Konuşmacı, Caggle ve kendi blogundaki kaynakları göstererek veri setlerinin nasıl bulunacağını anlatmakta ve dört farklı proje örneği üzerinden (trafik tabelalarının tespiti, kafeteryada yemek tespiti, kalabalıklarda insan sayısını tespit etme ve yüzlerden yaş tahmini) proje fikrini şekillendirmenin önemini vurgulamaktadır.
- Videoda özellikle yüzlerden yaş tahmini projesi detaylı olarak ele alınmakta, "face" ve "edge" gibi arama kelimeleriyle bulunan veri setleri gösterilmekte ve bu modelin 18 yaş altı ve üstü kişileri ayırt eden ikili sınıflandırma modeline dönüştürülerek kulüplerde, sigara ve içki satışlarında yaş kontrolü için kullanılabileceği belirtilmektedir.
- 00:14Yapay Zeka Bitirme Projeleri İçin Veri Seti Kaynakları
- Yapay zeka, makine öğrenmesi ve derin öğrenme ile bitirme projesi yapmak için en önemli ihtiyaç veridir.
- Denetimli öğrenme metodu kullanılıyorsa, veri setinin etiketli olması gerekir.
- Kısa sürede veri toplamak ve etiketlemek zor olduğu için hazır veri setlerini kullanmak önemlidir.
- 01:13Veri Seti Kaynakları
- Konuşmacının blogunda birçok veri seti kaynağı paylaşılmıştır.
- Kaggle.com gibi platformlarda yüzlerce veri seti bulunmaktadır.
- Kaggle'da arama yaparak ilgili konularda veri seti bulmak mümkündür.
- 03:28Veri Seti Seçim Stratejisi
- Yapay zeka, makine öğrenmesi ve derin öğrenmede öncelikle büyük miktarda veriye ihtiyaç vardır.
- Denetimli öğrenme kullanılıyorsa etiketlenmiş veriye ihtiyaç vardır.
- Veri setini bulup indirdikten sonra formatını kontrol edip eksiksiz olduğundan emin olunmalıdır.
- 04:54Trafik Tabelaları Tespiti Projesi
- Kaggle'da "trafik" araması yapılarak ilgili veri setleri bulunabilir.
- Bulunan veri setlerini birleştirip makine öğrenmesi/derin öğrenme modeli eğitilebilir.
- Eğitilen model bir mobil uygulama veya mikro hizmet şeklinde son kullanıcıya sunulabilir.
- 08:20Yemek Tespiti Projesi
- Kafeteryada alınan yemeklerin fiyatını otomatik olarak hesaplama fikri örneği verilmiştir.
- Önce veri seti bulunup uygunluğu değerlendirilmelidir, uygun değilse fikir değiştirilmelidir.
- Kafeteryada kasanın yanında duran bir kamera kullanarak tabaklardaki yiyecekleri tespit edip toplam fiyatı hesaplama uygulaması geliştirilebilir.
- 11:22İnsan Sayımı Projesi
- Kalabalıklarda bulunan insan sayısını tespit etme fikri örneği verilmiştir.
- Bulunan veri setleri yeterli değilse fikir değiştirilmelidir.
- Güvenlik kameralarını kullanan, sosyal olaylarda katılımcı sayısını hesaplayan bir yazılım geliştirilebilir.
- 13:33Son Tavsiyeler
- Projeye başlamadan önce veri setini araştırıp tam yapmak gerekir.
- Projenin konusu bulunan veri seti ile uyumlu hale getirilmelidir.
- Başlangıç fikrinize uygun veri seti bulamadıysanız projeye başlamamalısınız.
- 14:19Yaş Tahmin Etme Projesi İçin Veri Seti Arama
- Bir projeyi önermek için yüzlerden yaş tahmin etmek için kullanılabilir veri setleri aranıyor.
- "Face" ve "edge" kelimeleri kullanılarak veri setleri arama yapılıyor.
- Çocuklarda yaş grubuna göre ve yetişkinler için fotoğraflar içeren veri setleri bulunuyor.
- 15:18Proje Geliştirme Fikri
- Bulunan veri setlerini kullanarak bir model eğitilebilir.
- Eğitilen model bir akıllı telefon uygulaması olarak geliştirilebilir.
- Kulüpler, sigara ve içki satışlarında 18 yaş altıların alınamaması gerekliliği için, yüzden yaş tahmini yapan bir model geliştirilebilir.
- 16:03İkili Sınıflandırma Modeli
- Model, resimdeki kişinin 18 yaşından küçük mü büyük mü olduğunu ayırt edecek şekilde eğitilebilir.
- Yaş veri setindeki etiketler 18'den büyük veya küçük olarak değiştirilerek ikili sınıflandırma modeli oluşturulabilir.