• Buradasın

    Tensor Flow

    Özetteki ilgi çekici içerikler

    • Derin Öğrenme ile Şekil ve Renk Tanıma Projesi Sunumu

      Bu video, Konya Teknik Üniversitesi Elektrik-Elektronik Mühendisliği Bölümü öğrencisi Şevval Çelik'in "Derin Öğrenme ile Şekil Vererek Karakterizasyonu" adlı projesini sunduğu bir akademik sunumdur. Proje danışmanı Dr. Öğretim Üyesi Hasan Koyuncu'dur. Videoda, askeri ve sivil alanlarda nesne sınıflandırma ve tanımanın önemi vurgulanarak, Fast RCNN modeliyle her alanda kullanılabilecek bir şekil tanıma sisteminin oluşturulması anlatılmaktadır. Sunum, projenin test aşamasını göstermektedir. Şevval Çelik, üç farklı fotoğraf üzerinden şekil ve renk tespitini göstermekte, ardından video üzerinde aynı tespitlerin nasıl yapıldığını göstermektedir. Proje, yaklaşık 2490 fotoğraf içeren bir veri seti üzerinde TensorFlow 1.13.1 kullanılarak gerçekleştirilmiştir.

      • youtube.com

    • Yapay Sinir Ağları ve Nöronlar Dersi

      Bu video, bir eğitim dersi formatında yapay sinir ağları ve nöronlar hakkında bilgi veren bir içeriktir. Eğitmen, konuyu detaylı bir şekilde anlatmaktadır. Video, yapay sinir ağlarının ne olduğunu açıklayarak başlıyor ve insan beyninin bilgi işleme şeklini modelleyen ileri düzey hesaplama sistemlerini tanımlıyor. Daha sonra yapay sinir ağlarının temel yapı taşlarını (giriş katmanı, gizli katmanlar ve çıkış katmanı) ve nöronların çalışma prensiplerini açıklıyor. Eğitmen, konuyu günlük hayattan örneklerle (çocukun karar verme süreci) ve yapay sinir ağlarının devrimsel uygulamalarını (görüntü ve ses işleme, doğal dil işleme, oyun ve strateji geliştirme, robotik ve otomasyon) anlatarak konuyu pekiştiriyor. Video, TensorFlow playground'ı üzerinden yapay sinir ağlarının nasıl çalıştığını göstererek sona eriyor.

      • youtube.com

    • Derin Öğrenme ve Uzaktan Algılamada Eğitim Semineri

      Bu video, derin öğrenme konusunda araştırmacı olarak çalışan Irem Kömürcü'nün sunduğu dört haftalık bir eğitim semineridir. Webinar formatında düzenlenecek olan eğitim, her perşembe günü gerçekleştirilecektir. Eğitim, derin öğrenmenin temel kavramlarından başlayarak, yapay sinir ağları, CNN (Evrişimli Sinir Ağları), RNN (Geri Besleme Sinir Ağları) gibi ağ türlerini, veri ön işleme tekniklerini, Python kütüphanelerini (TensorFlow, Keras, Numpy, Pandas, Matplotlib, OpenCV) ve çalışma ortamlarını (Jupyter Notebook, Google Colab) kapsamlı şekilde ele almaktadır. Ayrıca, veri setlerinin nasıl bölüneceği ve uzaktan algılama görüntülerindeki farklı boyut problemlerinin çözümleri de anlatılmaktadır. Eğitim, özellikle uzaktan algılamada derin öğrenme uygulamalarını öğrenmek isteyenler için hazırlanmıştır. İçerikte, sosyal bilimlerde derin öğrenmenin kullanımı, deprem hasar tespiti ve orman değişiklikleri gibi uygulamalar da ele alınmaktadır. Katılımcılar sorularını chat kısmından veya e-posta üzerinden sorabilirler.

      • youtube.com

    • TensorFlow ile Wandbe/Wapp Platformunda Model Eğitimi Eğitimi

      Bu video, Türkiye Geliştiricileri Eğitim Serisi kapsamında Yaşar Niyazoğlu tarafından sunulan bir eğitim dersidir. Yaşar, Uludağ Üniversitesi Önlisans Mekatronik mezunu olup, veri bilimi, makine öğrenmesi ve derin öğrenme alanlarında çalışmaktadır. Video, TensorFlow ile Wandbe/Wapp platformlarında model eğitimi yapma sürecini adım adım göstermektedir. İçerik, Wandbe'nin tanıtımı ve avantajları ile başlayıp, GPR10 data seti kullanılarak image classification projesi üzerinden swap kullanımı, WandLab platformunda Keras ile model eğitimi, Swarm platformunda model optimizasyonu ve son olarak Wapp eğitim sisteminin özellikleri ile devam etmektedir. Eğitimde Jupyter Notebook üzerinden kurulum adımları, gerekli kütüphanelerin import edilmesi, veri setinin yüklenmesi, model oluşturma, optimizasyon parametrelerinin ayarlanması ve sonuçların analiz edilmesi gibi pratik uygulamalar yer almaktadır. Ayrıca Wapp sisteminin uzaktan erişim imkanı, eğitim durdurma ve devam ettirme özellikleri gibi fonksiyonları da detaylı şekilde gösterilmektedir.

      • youtube.com

    • Yapay Zeka Kursu Tanıtımı

      Bu video, bir yapay zeka kursunun tanıtımını yapan bir eğitim içeriğidir. Konuşmacı, kursun içeriğini ve yapısını detaylı şekilde anlatmaktadır. Video, yapay zeka kursunun dört ana gruplandırma altına alınan konularını açıklamaktadır: yapay zeka alanları (bilgisayar görüşü, dil işleme, anomali detection, geleneksel makine öğrenmesi), frame örgütleri (TensorFlow, Keras), model dizayn ve kodlama, ve ekstra beceriler (problem tanıma, veri inceleme, model ölçeklendirme, dağıtılmış hesaplama, model dağıtımı, veri seti üretimi, kullanıcı metrikleri). Bu hafta bilgisayar görüşü konusuna odaklanılarak sınıflandırma, lokasyon, segmentasyon, nesne bulma ve resim üretimi gibi konular ele alınacaktır. Video, not alma ve ödev hakkında bilgi vererek sonlanmaktadır.

      • youtube.com

    • Google Collaboratory Kullanım Rehberi

      Bu video, bir eğitim içeriği olup, konuşmacı Google'ın yeni geliştirdiği Collaboratory hizmetini tanıtmaktadır. Video, Google Collaboratory'nin ne olduğunu açıklayarak başlıyor ve ardından adım adım nasıl kullanılacağını gösteriyor. Konuşmacı, Google Drive üzerinden Collaboratory'a giriş yapma, sanal makine oluşturma, GPU (Tesla K80) aktifleştirme ve Jupyter Notebook ortamında Python kodları çalıştırma süreçlerini detaylı şekilde anlatıyor. Ayrıca, hazır kod parçaları, Linux komutları ve TensorFlow kullanımı gibi temel özellikler de gösteriliyor. Video, basit bir TensorFlow uygulaması ile sonlanıyor.

      • youtube.com

    • Real Time Custom Object Detection Eğitim Serisi: Label Mitch ve TensorFlow ile Veri Seti Hazırlama

      Bu video, bir eğitmen tarafından sunulan teknik bir eğitim serisinin ikinci bölümüdür. Eğitmen, izleyicilere adım adım kodlama sürecini göstermektedir. Video, Label Mitch programının Windows Anakonda IDE'si üzerinden kurulumunu ve veri setinin hazırlanmasını anlatmaktadır. İlk bölümde Chrome eklentisi kullanılarak "mask" adlı bir nesne için veri seti oluşturulurken, ikinci bölümde XML dosyalarının CSV formatına dönüştürülmesi ve ardından bu CSV dosyalarının TF Record formatına dönüştürülmesi gösterilmektedir. Eğitim serisi, bir sonraki videoda hazır bir SSD modeli üzerinden eğitim yapılacağı ve daha sonra 450 fotoğraflı bir video setinin nasıl oluşturulacağı anlatılacağı bilgisiyle devam edecektir.

      • youtube.com

    • TensorFlow Kurulum Eğitimi

      Bu video, bir eğitim serisinin ilk bölümü olup, konuşmacı TensorFlow kütüphanesinin kurulumunu adım adım göstermektedir. Video, TensorFlow'un Ubuntu işletim sisteminde nasıl kurulacağını detaylı şekilde anlatmaktadır. İçerikte pip kurulumu, virtual environment oluşturma, gerekli paketlerin yüklenmesi ve TensorFlow'un sisteme veya sanal kütüphaneye yüklenmesi gibi adımlar gösterilmektedir. Ayrıca TensorFlow'un yapay zeka işlemlerinde avantajları ve yapay sinir ağları kullanarak daha az kaynakla daha hızlı öğrenme imkanı sunduğu bilgisi de paylaşılmaktadır. Video, Windows kullanıcıları için de benzer kurulum adımlarının mevcut olduğunu belirterek sonlanmaktadır.

      • youtube.com

    • Türkçe Dua ve Beddua Sınıflandırması Eğitimi

      Bu video, Murat Karakaya tarafından sunulan bir eğitim içeriğidir. Konuşmacı, yapay zeka ve makine öğrenmesi konularında Türkçe ve İngilizce içerikler hazırlayan bir akademisyendir. Videoda, Türkçe dua ve beddua sınıflandırması için dört farklı neural network modelinin geliştirilmesi ve karşılaştırılması ele alınmaktadır. İçerik, metin temsil etme yöntemleri (one hot encoding, integer kodlama, word embedding), corpus oluşturma, tokener kullanımı ve veri ön işleme adımlarını detaylı olarak göstermektedir. Ayrıca, kelimelerin sekiz boyutlu vektörlere dönüştürülmesi ve bu vektörlerin üç boyutlu uzaya projeksiyonu ile PCA ve TS metodu kullanılarak kelimelerin pozitif ve negatif anlamlı olarak sınıflandırılması da gösterilmektedir. Konuşmacı, veri setinin çok az sayıda olduğu için sonuçların genel geçer kurallar olarak düşünülmemesi gerektiğini vurgulamakta ve beşinci bir model olarak ethereal layer'ı da kullanmayı tavsiye etmektedir. Video, TensorFlow'un Project Tensorboard kullanarak word embedding ağırlıklarını görselleştirme yöntemi de içermektedir.

      • youtube.com

    • Yapay Sinir Ağları ve Derin Öğrenme Eğitim Videosu

      Bu video, Alp adlı bir eğitmenin yapay sinir ağları ve derin öğrenme konularında verdiği kapsamlı bir eğitim içeriğidir. Video, yapay sinir ağlarının temel prensiplerinden başlayarak, üç katmanlı yapısı, forward propagation ve back propagation teknikleri, aktivasyon fonksiyonları ve kara kutu problemi gibi konuları ele alıyor. Ardından CNN teknikleri, TensorFlow, Keras ve PyTorch gibi kütüphaneler tanıtılarak, nesne tanıma ve el yazısı rakam tanıma gibi pratik uygulamalar gösteriliyor. Son bölümde ise MAX katmanları, filtre boyutları, eğitim parametreleri ve modelin test edilmesi konuları detaylı olarak anlatılıyor. Videoda ayrıca veri setinin hazırlanması, eğitim ve test verilerinin ayrılması, piksel değerlerinin normalleştirilmesi ve etiketlerin kodlanması gibi temel adımlar adım adım gösteriliyor. Webcam ile çekilen video üzerinde nesne tanıma uygulaması da pratik bir örnek olarak sunuluyor.

      • youtube.com

    • Visual Studio Code'da TensorFlow Kurulumu ve Kullanımı

      Bu video, bir eğitim içeriği olup, izleyicilere Visual Studio Code'da TensorFlow'u nasıl kurabileceklerini adım adım göstermektedir.. Video, Visual Studio Code'da yeni bir proje oluşturma ile başlayıp, sanal ortam (virtual environment) oluşturma sürecini detaylı şekilde anlatmaktadır. Sanal ortamın proje-özel bağımlılıkları yönetmek için kullanıldığı açıklanmakta ve ardından TensorFlow'un nasıl kurulacağı gösterilmektedir. Son olarak, kurulan TensorFlow'un örnek bir kod üzerinden nasıl çalıştığı test edilmektedir.

      • youtube.com

    • Keras'ta LSTM Katmanı Kullanımı Eğitimi

      Bu video, Murat Karakaya tarafından sunulan bir eğitim içeriğidir. Eğitmen, yapay zeka ve makine öğrenmesi konularında Türkçe ve İngilizce içerikler paylaşmaktadır. Video, Keras tarafından sağlanan LSTM (Long Short-Term Memory) katmanının temel çalışma prensiplerini, parametrelerini ve kullanımını anlatmaktadır. İçerik, LSTM'nin hücre yapısını, self-state ve hidden state kavramlarını, return sequences ve return state parametrelerini açıklamakta, ardından farklı model oluşturma örnekleri sunmaktadır. Ayrıca, tek LSTM katmanından çoklu LSTM katmanlarına geçiş ve encoder-decoder mimarisinde LSTM kullanımı da ele alınmaktadır. Eğitim, teorik bilgilerin yanı sıra kod örnekleriyle desteklenmekte ve TensorFlow 2.20 ile Keras 2.30 versiyonları kullanılarak seri üretme problemi çözülmektedir. Video, return sequences true ve false durumlarının karşılaştırılmasıyla devam etmekte ve bir sonraki bölümde encoder-decoder yapısında LSTM layer'ın nasıl kullanılacağını anlatacağını belirterek sona ermektedir.

      • youtube.com

    • Derin Öğrenme ve Yapay Sinir Ağları Eğitim Dersi

      Bu video, bir eğitmen tarafından sunulan derin öğrenme ve yapay sinir ağları konulu kapsamlı bir eğitim dersidir. Eğitmen, Kaan, İbadullah ve Utku gibi öğrencilerle çalıştığını belirtmektedir. Video, türev hesaplaması ve rassal gradyan inişi yönteminden başlayarak, derin öğrenme ağlarında derivatif hesaplama ve geri yayılım algoritması, aşırı modelleme sorunları ve bunların çözüm yöntemleri (düğüm silme, çapraz geçer, regularizasyon) konularını ele almaktadır. Daha sonra evrişimli sinir ağları (CNN), maksimum ortaklama, LSTM gibi derin öğrenme yöntemleri ve bunların görüntü işleme, altyazı ekleme gibi uygulamaları anlatılmaktadır. Ders boyunca, eğitmen TensorFlow gibi açık kaynaklı Python paketlerini kullanarak yapay sinir ağları oluşturma pratiklerini göstermekte ve derin öğrenme algoritmalarını anlamak isteyenler için teknik bilgiler sunmaktadır. Ayrıca, derin öğrenme modellerinin eğitilmesi için GPU gibi güçlü bilgisayar donanımlarının gerekliliği de vurgulanmaktadır.

      • youtube.com

    • Yapay Zeka Eğitim Videosu

      "Brick Lap" kanalının sahibi tarafından sunulan bu eğitim videosu, istatistik ve enformatik lisans ve yüksek lisansları yapmış, onbeş yıldır IT sektöründe çalışan bir sunucu tarafından hazırlanmıştır. Video, yapay zekanın tanımı ve tarihsel gelişiminden başlayarak, günümüzdeki durumuna ve gelecekteki iş dünyasına etkisine kadar uzanan kapsamlı bir anlatım sunmaktadır. İlk bölümde yapay zekanın 1950'lerden günümüze kadar olan tarihsel gelişimi ve gerekli programlama dilleri (Python, TensorFlow, PyTorch, Keras, Pandas, Numpy, OpenCV) hakkında bilgiler verilirken, ikinci bölümde el yazısı tanıma modeli oluşturma süreci uygulamalı olarak gösterilmektedir. Video ayrıca yapay zekanın yazılım geliştirme sürecindeki olumlu etkilerini vurgulayarak, rutin görevleri otomatikleştireceğini ve yazılımcıların yaratıcılık ve problem çözme alanlarına odaklanmalarına yardımcı olacağını belirtmektedir.

      • youtube.com

    • TensorFlow Geliştirici Sertifikası Nasıl Alınır?

      Bu video, bir canlı yayın formatında olup, sunucu ve konuklar (Fethi, Nisa, Yusuf ve Mert) arasında geçen bir sohbeti içermektedir. Konuklar arasında yapay zeka alanında deneyimli eğitmenler ve mühendisler bulunmaktadır. Video, TensorFlow geliştirici sertifikası alma sürecini kapsamlı şekilde ele almaktadır. İlk olarak konukların kariyer hikayeleri anlatılmakta, ardından TensorFlow'un ne olduğu, neden kullanılabileceği ve sertifikasyon programının detayları sunulmaktadır. Sınav süreci, gerekli beceriler, sınav formatı ve hazırlık önerileri hakkında bilgiler verilmektedir. Videoda ayrıca sertifikanın avantajları (komünite erişimi, yetkinlik artışı, kariyer fırsatları), sınav için gerekli teknik bilgiler, veri bilimi ve istatistik konularının önemi vurgulanmaktadır. Python öğrenmenin kolaylığı, temel istatistik ve lineer cebir bilgisinin önemi ve yapay zeka alanına yeni başlayanlar için yol haritası önerileri de paylaşılmaktadır. Video, kitap çekilişi ile sona ermektedir.

      • youtube.com

    • TensorFlow ve Keras ile Derin Öğrenme Eğitimi

      Bu video, Trendez Akademi tarafından sunulan bir eğitim dersidir. Eğitmen, yapay zeka ve derin öğrenme konularını anlatmaktadır. Video, yapay zekanın çağımızın elektriği olduğunu vurgulayarak başlıyor ve ardından TensorFlow ve Keras kütüphanelerini kullanarak pratik bir veri analizi yapmayı gösteriyor. İçerik, veri ön işleme aşamalarından başlayarak (eksik veri kontrolü, veri setini eğitim ve test setlerine ayırma, veri normalleştirme, kategorik verileri one hot kodlama), yapay sinir ağlarının çalışma prensibini açıklayarak ve son olarak Iris veri seti üzerinde basit bir derin öğrenme modeli kurulumu, derlenmesi ve eğitilmesi sürecini adım adım anlatıyor. Eğitim, Anaconda platformu, Jupyter Notebook ve veri görselleştirme kütüphaneleri (matplotlib, seaborn) hakkında bilgiler vererek, veri setinin nasıl import edileceği, veri yapısının nasıl inceleneceği ve görselleştirileceği konularını ele alıyor. Ayrıca, modelin performansını artırmak için layer, nöron ve epoch sayılarının nasıl değiştirilebileceği de gösterilmektedir.

      • youtube.com

    • Yapay Zeka ile Uygulama Geliştirme Eğitimi

      Bu video, bir eğitim içeriği olup konuşmacı yapay zeka konusunda bilgi paylaşmaktadır. Konuşmacı, yapay zeka ile uygulama geliştirmenin başlangıç aşamasında zor olmadığını anlatmayı amaçlamaktadır. Video, yapay zeka kavramının temel kavramlarını açıklayarak başlıyor ve özellikle "model" kavramını vurguluyor. Konuşmacı, yapay zekanın temel çalışma prensibini basit bir şekilde anlatarak, hazır eğitilmiş modellerin (pre-trained models) nasıl kullanılabileceğini açıklıyor. Google'un geliştirdiği TensorFlow kütüphanesi üzerinden, JavaScript bilen bir kişinin bile yapay zeka uygulamaları geliştirebileceğini gösteriyor. Video, yapay zekanın nimetlerini gösteren örnekler ve hazır modellerin nasıl kullanılacağını gösteren projelerle devam ediyor.

      • youtube.com
  • Yazeka sinir ağı makaleleri veya videoları özetliyor