MIT müfredatına dayalı, sektör profesyonelleri için tasarlanmış beceri odaklı eğitim. 12 aylık erişim ve 7/24 sanal mentor desteği sunuluyor. Program Python programlama, veri analizi ve makine öğrenmesi konularını kapsıyor
Bu video, bir konuşmacının geleceğin meslekleri hakkında bilgi verdiği eğitici bir içeriktir. Konuşmacı, McKinsey'nin "İşimizin Geleceği Dijital Çağda Türkiye'nin Yetenek Dönüşümü" raporunu temel alarak geleceğin mesleklerini anlatmaktadır.. Video, 2020'li yıllarda ortaya çıkabilecek on iki mesleği detaylı olarak ele almaktadır. Bu meslekler arasında siber güvenlik lideri, insansız hava aracı operatörü, yapay zeka iş geliştirme sorumlusu, makine öğrenmesi analisti, artırılmış gerçeklik geliştiricisi, yapay zeka destekli sağlık teknisyeni, finansal koç, kişisel marka danışmanı, deneyim tasarımcısı, sanal mağaza danışmanı, sanal küratör ve dijital terzilik bulunmaktadır.. Her meslek için gerekli yetenekler, eğitim alanları ve iş dünyasındaki önemi açıklanmaktadır. Konuşmacı, bu mesleklerin henüz tam olarak nasıl ortaya çıkacağını bilmediğini ancak yakın zamanda bu tür işlerin yapılmaya başlanacağını belirtmektedir. Gelecek videolarda bu meslekler için gerekli yetenek ve yetkinliklerin de paylaşılacağı ifade edilmektedir.
RPA, tekrarlayan ve prosedürel işleri otomatikleştiren bir teknolojidir. Robotlar, çalışanların zamanını katma değerli işlere yönlendirir. Yapay zeka ve makine öğrenmesi arka planda kullanılır
Yapay zeka kavramı ilk kez 1956'da John McCarthy tarafından ortaya atılmıştır. Yapay zeka, insan benzeri davranışlar gösteren bilgisayar programlarıdır. Turing Testi, bilgisayarların insan gibi düşünüp düşünemeyeceğini belirler
Python, nesne yönelimli, yorumlamalı ve modüler bir programlama dilidir. Basit girintili söz dizimi sayesinde öğrenmesi kolaydır. Her türlü platformda çalışabilir ve geniş bir standart kütüphaneye sahiptir. Python 2.0 2000'de, Python 3.0 2008'de yayınlanmıştır
Bu video, bir eğitmen tarafından sunulan yapay zeka ve makine öğrenmesi dersinin bir bölümüdür. Eğitmen, sınıflandırma algoritmaları konusunu MATLAB'in classification learner toolbox'u üzerinden pratik bir şekilde anlatmaktadır.. Video, sınıflandırma algoritmalarının tanımı ve kullanım alanlarıyla başlayıp, en çok kullanılan algoritmaları (yapay sinir ağları, destek vektör makineleri, en yakın komşuluk algoritması ve karar ağaçları) detaylı olarak ele almaktadır. Eğitmen, her bir algoritmanın çalışma prensibini, model oluşturma, eğitim ve test süreçlerini, performans değerlendirme kriterlerini (doğruluk oranı, sensitivity, specificity, F ölçümü, AUC değerleri) adım adım göstermektedir.. Videoda ayrıca, veri setlerinin nasıl yüklenip ayrıştırılacağı, ROC eğrileri, confusion matrix gibi görselleştirme araçlarının nasıl kullanılacağı ve modellerin nasıl dışa aktarılacağı da anlatılmaktadır. Eğitmen, farklı sınıflandırıcıların karşılaştırılması ve ensemble yöntemlerinin kullanımı gibi konuları da kapsamakta, doktora tezinde kullanılan bir uygulama örneği üzerinden pratik bilgiler sunmaktadır.
Bu video, Marmara Üniversitesi Nüfus ve Sosyal Araştırmalar Enstitüsü'nde çalışan Zübeyir Nişancı tarafından sunulan bir eğitim dersidir. Ders, Fuat Hoca ve Fatih Hoca gibi diğer eğitmenlerle birlikte Yükseköğretim Kurulu öncülüğünde hazırlanmıştır.. Video, istatistik ve veri bilimi konularını sıfırdan başlayarak karmaşık hale doğru ilerleyen bir yapıda ele almaktadır. İçerikte istatistiğin temel kavramları, veri toplama yöntemleri, bilgisayar sistemlerinin çalışma prensipleri, kuantum bilgisayarlar, istatistik tarihi, big data, yapay zeka, makine öğrenmesi ve derin öğrenme gibi konular detaylı şekilde anlatılmaktadır.. Ders, farklı seviyelerdeki katılımcılar için hazırlanmış olup, veri analizi okuryazarlığı edinmek, temel istatistik, orta seviye kodlama dilleri ve yapay zeka mantığını öğrenmek isteyenler için bir başlangıç seviyesi sunmaktadır. Eğitmen, önümüzdeki hafta sıfırdan başlayarak Excel dosyalarıyla pratik çalışmalara başlayacaklarını ve derslerin veri değişken tipleri, dosya tipleri gibi konuları içereceğini belirtmektedir.
Bu video, Sakarya Uygulamalı Bilimler Üniversitesi'nde doktora öğretim üyesi olan Caner Erden'in sunduğu dört haftalık bir yapay zeka giriş kursunun kaydıdır. Konuşmacı, sezgisel optimizasyon ve makine öğrenmesi alanlarında çalışmalar yapan bir akademisyendir.. Video, yapay zekanın temel kavramlarını, tarihçesini ve kullanım alanlarını kapsamlı şekilde ele almaktadır. İçerikte yapay zekanın özellikleri, Turing testi, makinelerin tarihçesi, makine öğrenmesi alt alanları (gözetimli, gözetimsiz ve takviyeli öğrenme) ve çeşitli sınıflandırma teknikleri (karar ağaçları, en yakın komşu, yapay sinir ağları, destek vektör makineleri) detaylı olarak anlatılmaktadır.. Ayrıca videoda makine öğrenmesi modelinin performansını değerlendirmek için kullanılan karışıklık matrisi, TP, TN, FP, FN gibi kavramlar ve F1 skoru gibi ölçümler açıklanmaktadır. Makine öğrenmesi uygulamalarında karşılaşılabilecek sorunlar (veri yetersizliği, aşırı öğrenme, az öğrenme) ve doğru kullanım yöntemleri de ele alınmaktadır. Video, yapay zeka projelerinde izlenmesi gereken metodoloji adımlarını da içermektedir.
Derin öğrenme, gizli katmanlı yapay sinir ağları kullanan makine öğrenme alanıdır. Yapay sinir ağları biyolojik sistemlerden esinlenilmiştir. 1940'lardan beri geliştirilen sinir ağlarına dayanmaktadır
Bu video, eğitim alanında çalışan ve çeşitli markalarla çalışmış bir eğitmen tarafından sunulan kapsamlı bir eğitim içeriğidir. Eğitmen, kendi firmasında çalıştığı ve platformda 3 yıl önce açtığı hesabını 700 sıralamaya taşıdığı bilgisiyle kendini tanıtıyor.. Video, yapay zeka ve veri bilimi alanında başarılı olmak için gerekli beceriler ve araçları adım adım anlatmaktadır. İçerik, Python programlama dilinden başlayarak NumPy, Pandas, SQL, Excel, Power BI, Matplotlib gibi veri analizi ve görselleştirme araçlarına, Scikit-learn, TensorFlow, Keras gibi makine öğrenmesi ve derin öğrenme kütüphanelerine kadar uzanan bir yol haritası sunuyor. Ayrıca data science platformunun kullanımı ve iş bulma stratejileri de ele alınıyor.. Video sonunda Kaliforniya'daki teknoloji şirketlerinin (Apple, Disney, Qualcomm, Pinterest, TikTok, Tesla gibi) iş ilanları incelenerek bu alanlarda iş bulmak için gerekli yetkinlikler ve maaş bilgileri paylaşılıyor. İzleyicilere Python, TensorFlow, C++, Java, kalkülüs gibi teknolojileri öğrenmeleri tavsiye ediliyor.
Yapay zeka ve makine öğrenmesi ile finansal durum değerlendirmesi yapılır. Rapor 9 farklı finansal durum skalasından oluşur. Raporun fiyatı 35 TL'dir, kampanyalar döneminde ücretsiz olabilir
Bu video, bir eğitim içeriği olup, konuşmacı yapay zeka konusunu anlatmaktadır.. Video, yapay zekanın ne olduğunu açıklayarak başlıyor ve üç ana kategorisini (dar yapay zeka, genel yapay zeka ve süper yapay zeka) detaylandırıyor. Ardından yapay zekanın çalışma prensiplerini makine öğrenmesi, derin öğrenme, doğal dil işleme ve bilgisayarla görü gibi yöntemlerle açıklıyor. Son olarak, yapay zekanın sağlık, finans, ulaşım, eğlence ve eğitim gibi alanlardaki uygulamalarını ve gelecekteki potansiyelini anlatıyor.
Bu video, bir eğitimci tarafından sunulan veri madenciliği ve makine öğrenmesi konularında regresyon analizi üzerine bir eğitim dersidir. Eğitimci, endüstri mühendisliği dersinin bir bölümü olarak bu konuyu öğrencilere anlatmaktadır.. Video, regresyon analizinin temel kavramlarını, regresyonun sınıflandırma ile arasındaki farkları ve regresyon modelinin nasıl çalıştığını açıklamaktadır. İlk bölümde regresyon analizinin ne olduğu, gözetimli öğrenme alt dalı olduğu ve hedef değişkenin sürekli verilerden oluşması durumunda regresyon modelinin kullanılması gerektiği anlatılırken, ikinci bölümde lojistik regresyon ve basit lineer regresyon arasındaki farklar, en küçük kareler yöntemi ve minimizasyon kavramları ele alınmaktadır.. Videoda teorik bilgilerin yanı sıra Python programlama dilinde uygulamalı gösterimler de bulunmaktadır. Özellikle reklam giderleri ve satışlar arasındaki ilişki üzerinden bir veri seti kullanılarak basit lineer regresyon modeli oluşturulmakta ve sonuçlar görselleştirilmektedir. Video sonunda öğrencilerin Google Classroom üzerinden ödevlerini yüklemesi gerektiği belirtilmektedir.
Bu video, bir konuşmacının yapay zeka konusunu detaylı şekilde anlattığı eğitici bir içeriktir.. Video, yapay zekanın tarihsel gelişiminden başlayarak temel tanımını, çalışma prensiplerini ve türlerini kapsamlı şekilde ele almaktadır. İçerik, yapay zekanın makine öğrenmesi ve derin öğrenme kavramlarını açıklayarak, yapay zekanın dört temel türünü (reaktif, sınırlı hafızalı, zihin teorisi ve farkındalık kazanan) ve yapay zekanın üç temel sınıfını (dar, genel ve süper yapay zeka) detaylı şekilde incelemektedir.. Video ayrıca yapay zekanın günlük hayattaki uygulamalarını (Google Çeviri, yüz tanıma uygulamaları), kara kutu problemi, gizli katmanların işlevi ve yapay zekanın gelecekteki potansiyel etkilerini de ele almaktadır. Bir sonraki bölümde yapay zekanın insanın zeka seviyesine ulaştığı an ve bunun insanlık tarihi için anlamı hakkında konuşulacağı belirtilmektedir.
Bu video, bir eğitmen tarafından sunulan yapay zeka uygulamaları dersinin 1. dönem 1. yazılı sınavının çözümlerini içeren eğitim içeriğidir.. Videoda yapay zeka uygulamaları konusundaki açık uçlu sorular adım adım çözülmektedir. İçerik, öğrenme, problem çözme, karar verme kavramları ile başlayıp, doğal zeka ve yapay zeka arasındaki benzerlikler ve farklılıklar, yapay zekanın alt alanları (makine öğrenmesi, yapay sinir ağları, uzman sistemler, genetik algoritma, bulanık mantık, doğal dil işleme ve görüntü işleme), veri, enformasyon ve bilgi kavramları ile büyük veri kavramına kadar uzanan geniş bir konu yelpazesini kapsamaktadır. Her soru için detaylı açıklamalar ve örnekler sunulmaktadır.
Bu video, Sakarya Uygulamalı Bilimler Üniversitesi Endüstri Mühendisliği Bölümü'nde Dr. Caner Erden tarafından verilen veri madenciliği ve makine öğrenmesi derslerinin tanıtımını içermektedir.. Video, derslerin önemi, yapısı ve içeriği hakkında bilgiler sunmaktadır. İlk bölümde veri madenciliği dersinin tanıtımı yapılmakta, ikinci bölümde makine öğrenmesi dersinin temel kavramları anlatılmakta, üçüncü bölümde ders tanıtım formu ve değerlendirme sistemi açıklanmakta, son bölümde ise Google Classroom platformunun kullanımı detaylı şekilde gösterilmektedir.. Derslerin uzaktan eğitim formatında verileceği, Google Meet ve Google Classroom platformlarının nasıl kullanılacağı, ders materyallerinin paylaşımı, ödevlerin toplanması, sınavların yönetimi ve performans ödevi sunumlarının nasıl yapılacağı gibi teknik detaylar da videoda yer almaktadır. Ayrıca derslerin kodları, ders saatleri ve değerlendirme sistemleri hakkında bilgiler de paylaşılmaktadır.
Bu video, bir eğitim dersi formatında olup, bir eğitmen tarafından makine öğrenmesi konuları anlatılmaktadır.. Video, önceki derste ele alınan veri tiplerini (sayısal ve kategorik) hatırlatarak başlıyor ve ardından sınıflandırma ve regresyon kavramlarını açıklıyor. Daha sonra veri ön işleme konusuna geçiliyor ve normalize etme, randomize etme ve eksik veri tamamlama gibi ön işleme teknikleri örneklerle gösteriliyor. Video, Principle Component Analysis (PCA) konusuna da değinerek sonlanıyor ve ilerleyen derslerde bu konuların daha detaylı işleneceği belirtiliyor.
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.
Bu video, bir eğitmen tarafından sunulan görüntü işleme konulu bir eğitim içeriğidir. Eğitmen, görüntü işleme kavramını ve uygulamalarını detaylı şekilde anlatmaktadır.. Video, görüntü işleme kavramının tanımıyla başlayıp, görüntü türlerini (ikili, gri tonlamalı ve renkli görüntüler) açıklamaktadır. Ardından görüntü işleme uygulamaları (medikal görüntüleme, coğrafi izleme, makine öğrenmesi, uzay teknolojileri) örneklerle anlatılmaktadır. Son bölümde ise görüntü işleme ile bilgisayarlı görme arasındaki farklar açıklanmakta ve görüntü işleme adımları özetlenmektedir. Video, görüntü işleme konusunda temel bilgi edinmek isteyenler için faydalı bir kaynaktır.