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.
Yapay zeka, insan düşünme ve karar verme yeteneğini bilgisayarlarla taklit eder. Uzman sistemler, bulanık mantık, yapay sinir ağları ve genetik algoritma temel tekniklerdir
Bu video, yapay zeka, makine öğrenimi ve derin öğrenme kavramlarını açıklayan eğitici bir içeriktir.. Video, yapay zekanın genel tanımıyla başlayıp makine öğreniminin kural temelli değil istatistiksel olarak kendi kendine öğrenebilen algoritmalar üzerine kurulu olduğunu açıklıyor. Ardından derin öğrenme kavramını, yapay sinir ağları ve yapay öğrenme ağları üzerinden anlatıyor. Kedi-kuş resimlerini ayırt etme örneği üzerinden, derin öğrenmenin nasıl çalıştığını, yapboz parçası gibi parçalara ayrılan bilgilerin nasıl aktarıldığını ve doğru-yanlış kararların nasıl değerlendirildiğini adım adım açıklıyor.
YSA, insan beyninin bilgi işleme tekniğinden esinlenen bir teknolojidir. Biyolojik nöronların sinaptik bağlarının dijital modellemesidir. Nöronlar çeşitli şekillerde bağlanarak ağlar oluştururlar
NPU, yapay zeka görevlerini hızlandırmak için özel tasarlanmış bir işlemcidir. CPU ve GPU'ların aksine yapay sinir ağları için optimize edilmiştir. Büyük miktarda veriyi paralel olarak işleyebilmektedir
Makine öğrenmesi, girdi verilerinden tahmin modeli oluşturan bir sistemdir. Gözetimli öğrenme, etiketlenmiş verilerden model eğitimi yapar. Gözetimsiz öğrenme, etiketlenmemiş verilerde desen bulur. Pekiştirmeli öğrenme, çevreyle etkileşimde optimal politika öğrenir
Bu video, Mustafa Hoca ve diğer bilgisayar mühendisliği profesörleri ile yapılan yaklaşık iki saatlik bir akademik sohbet formatındadır. Konuşmaya lisans, yüksek lisans ve doktora öğrencileri ile çeşitli akademik kişiler de katılmaktadır.. Sohbetin ana konusu yapay zeka, makine öğrenmesi, derin öğrenme ve optimizasyon algoritmaları üzerine odaklanmaktadır. Özellikle ABC (Artificial Bee Colony) algoritması, genetik algoritmalar ve yapay sinir ağları gibi konular ele alınmaktadır. Konuşmacılar, yapay zeka sistemlerinin tasarımı ve optimizasyonu sırasında insan müdahalesinin önemi, Türkiye'de yapay zeka çalışmalarının memleketin faydasına dönüştürülmesi ve gelecekteki araştırma alanları hakkında görüşlerini paylaşıyorlar.. Videoda ayrıca konuşmacıların kendi çalışmaları, sağlık bakanlığı ile yaptığı projeler, Kayseri bölgesi için pilot çalışmaları ve Acıbadem Üniversitesi ile yürüttükleri projeler hakkında bilgiler verilmektedir. ABC algoritmasının isimlendirilmesi, popülerleşmesi ve Google Scholar'da en çok atıf alan makaleler arasında yer alması gibi konular da detaylı olarak ele alınmaktadır.
Bu video, bir eğitim dersi formatında yapay sinir ağları konusunu anlatan bir sunumdur. Konuşmacı, yapay sinir ağlarının temel kavramlarını ve yapısını detaylı şekilde açıklamaktadır.. Video, yapay sinir ağlarının genel tanımı ve temel özellikleriyle başlayıp, yapay sinir ağlarının yapısı ve temel elemanlarına geçiş yapıyor. İnsan beyninin öğrenme yeteneklerinden esinlenerek geliştirilen yapay sinir ağlarının, öğrenme, ilişkilendirme, sınıflandırma gibi konularda nasıl kullanıldığı anlatılıyor. Ayrıca yapay sinir hücrelerinin beş temel elemanı (girdi, ağırlık, toplam fonksiyon, dönüşüm fonksiyonu ve çıktı) ve bunların nasıl çalıştığı örneklerle açıklanıyor. Video, yapay sinir ağlarının üç ana katmanından (girdi, ara ve çıktı katmanı) bahsederek sonlanıyor.
Bursa'daki 5 aşamalı Bardenpho prosesi ile fosfor gideriminin incelenmesi amaçlanmıştır. 2016-2018 döneminde atıksu giriş ve çıkış parametreleri ölçülmüştür. Yapay sinir ağları kullanılarak fosfor verilerinin tahmini hedeflenmiştir
Derin öğrenme, yapay sinir ağları ile büyük verilerden anlamlı kalıplar çıkaran bir makine öğrenimi tekniğidir. Sistem, insan beynindeki nöronların işleyişine benzer şekilde çalışır. Veriler katmanlar arasında iletilir ve her katman daha karmaşık bilgiler üretir
Bu video, İstanbul Üniversitesi'nden araştırma görevlisi Fatma Akkoçlu'nun yapay sinir ağları ve aşırı öğrenme makineleri (ELM) konusunda sunduğu akademik bir eğitim içeriğidir. Genç katılımcılar ve hocaların bulunduğu bir etkinlikte gerçekleştirilen sunum, teorik bilgiler ve pratik uygulamaları içermektedir.. Video, sınıflandırma kavramının tanımıyla başlayıp, yapay sinir ağlarının çalışma prensiplerini açıklayarak devam etmektedir. Ardından aşırı öğrenme makinelerinin özellikleri, avantajları ve matematiksel modeli anlatılmakta, son olarak churn (müşteri kaybı) analizi örneği üzerinden R programlama dilinde ELM modelinin uygulanması gösterilmektedir.. Eğitim içeriğinde, veri setinin hazırlanması, kategorik verilerin dönüştürülmesi, normalizasyon, eğitim ve test veri setlerinin ayrılması gibi adımlar detaylı olarak anlatılmaktadır. Ayrıca, sınıflandırma modelinin performansı karışıklık matrisi, doğruluk ölçüsü (accuracy) ve eşik değerlerinin ayarlanması gibi yöntemlerle değerlendirilmektedir.
Bu video, bir eğitmen tarafından sunulan yapay zeka ve beyin felsefesi konulu kapsamlı bir eğitim içeriğidir. Konuşmacı, Recep Perros gibi bilim insanlarının görüşlerini de içeren detaylı bir anlatım sunmaktadır.. Video, yapay zekanın felsefi boyutlarından başlayarak beynin ve bilgisayar arasındaki temel farkları incelemektedir. Ardından yapay zeka kavramı, makine öğrenmesi, yapay sinir ağları ve derin öğrenme gibi teknik konular ele alınmaktadır. İçerik, yapay zekanın insan beynini tam olarak taklit edemeyeceği felsefi tartışmaları, Turing Testi ve Çin Odası Deneyi gibi önemli testleri ve makine öğrenmesinin denetimli ile denetimsiz öğrenme kategorilerini kapsamaktadır.. Video ayrıca yapay zeka alanlarının temelini oluşturan uzman sistemler, doğal dil işleme ve bilgisayarlı görme konularını da ele almaktadır. Derin öğrenme bölümünde menekşe bitkisi sınıflandırma örneği gibi pratik uygulamalar da sunulmaktadır. İçerik, yapay zeka algoritmalarının nasıl çalıştığı, verinin önemi ve yapay sinir ağlarının biyolojik sinir sistemine benzer şekilde modellenmesi gibi teknik detayları da içermektedir.
Bu video, Sakarya Uygulamalı Bilimler Üniversitesi'nde elektrik-elektronik mühendisliği doktora öğretim üyesi olan Ali Furkan Kamanlı tarafından sunulan bir eğitim dersidir.. Ders, yapay zeka kavramının temel kavramlarını (yapay zeka, makine öğrenmesi, yapay sinir ağları ve derin öğrenme) açıklamakta ve bu kavramları birbirinden ayırt etmektedir. Video, makine öğrenmesi ve derin öğrenme arasındaki farkları günlük hayattan örneklerle (Google arama sonuçları, gri seviye görüntüyü renklendirme, trafik sayımı, forklift tespiti, optik karakter tanıma) açıklamakta, ayrıca denetimli (supervised) ve denetimsiz (unsupervised) öğrenme kavramlarını da ele almaktadır.. Ders yaklaşık 45 dakika sürmekte ve toplam 7-9 ders planlandığı belirtilmektedir. Eğitmen, yapay zeka kavramının altında bulunan NLP, makine öğrenmesi, temsil, otomatize edilmiş sonuç, bilgisayarlı görme ve robotik gibi alt kavramları da kitap koleksiyonu örneği üzerinden anlatmaktadır.
Bu video, bir yüksek lisans öğrencisi olan Duygu'nun derin öğrenme konusunda sorular sorduğu ve konuşmacı tarafından cevaplandığı bir sohbet formatındadır. Konuşmacı, derin öğrenme konusunda uzman olmadığını ancak genel kültür olarak katıldığı konferanslardan edindiği bilgileri paylaşacağını belirtiyor.. Videoda derin öğrenme ve yapay sinir ağları arasındaki farklar, derin öğrenmenin üstünlükleri ve kullanım alanları ele alınıyor. Konuşmacı, derin öğrenmenin büyük veri ve paralel programlamaya dayanarak yapay sinir ağlarının tekrar canlanmasını sağladığını, ancak doğal dil işleme gibi alanlarda istatistiksel yaklaşımların daha hızlı ve başarılı olabileceğini anlatıyor. Ayrıca, derin öğrenmenin yeni bir teknoloji olmadığını, büyük veri gibi teknolojilerin aslında çok daha eski problemlere dayandığını vurguluyor.
Bu video, yapay sinir ağları konusunda eğitim içeriği sunan bir ders formatındadır. Konuşmacı, yapay sınır ağlarına giriş yaptıktan sonra normalizasyon konusuna geçiş yapmaktadır.. Video, normalizasyonun ne olduğunu, neden kullanıldığını ve yapay sinir ağlarındaki önemini açıklamaktadır. Normalizasyonun farklı teknikleri (minmax kuralı, medyan sigmoid ve Z-skor) tanıtılmakta ve özellikle minmax normalizasyonu detaylı olarak anlatılmaktadır. Video, reklam harcamaları ve çikolata fiyatları örneği üzerinden minmax normalizasyonunun nasıl uygulanacağını adım adım göstermektedir.
Bu video, bir konuşmacının yapay zeka konusunda yaptığı araştırmayı sunduğu bilgilendirici bir içeriktir. Konuşmacı, yapay zekanın ne olduğunu açıklayarak başlayıp, tarihsel gelişimini kronolojik olarak anlatmaktadır.. Video, yapay zekanın 1929'dan günümüze kadar olan tarihsel gelişimini 1929-2017 yılları arasında önemli olayları ve icatları kronolojik olarak ele almaktadır. Konuşmacı, ilk robot olan Gakutensou'dan başlayarak, yapay sinir ağları, ilk yapay zeka programı, ilk endüstriyel robot, müzik yapabilen robotlar, sürücüsüz araçlar, chatbotlar, sanal evcil hayvanlar ve duyguları tanıyan robotlar gibi önemli gelişmeleri anlatmaktadır. Ayrıca Facebook'un yapay zeka çalışmalarına ve Tesla'nın yapay zeka araştırmalarına da değinilmektedir.
Bu video, Meslek Yüksekokulu Bilgisayar Programcılığı ikinci sınıf öğrencileri Mora Çakırdar ve Aydın'ın yapay zeka hakkında bilgi verdiği bir eğitim sunumudur.. Sunum, yapay zekanın tanımı ile başlayıp tarihçesi, gelişim süreci, yaklaşımlar ve eleştiriler, gelecekte yapay zeka ve yapay zekanın gücü konularını ele almaktadır. Alan Turing'in yapay zeka kavramına katkıları, Turing testi, sembolik ve sibernetik yapay zeka yaklaşımları, yapay sinir ağları ve gelecekteki yapay zeka potansiyeli hakkında bilgiler verilmektedir. Video, konuyla ilgili bir video izlenmesiyle sonlanmaktadır.
Bu video, yapay sinir ağları hakkında bilgi veren eğitici bir içeriktir. Konuşmacı, yapay öğrenim ve yapay zeka konularını matematiksel bir yaklaşımla açıklamaktadır.. Video, yapay sinir ağlarının temel çalışma prensiplerini, yapısını ve matematiksel temellerini ele almaktadır. İlk bölümde insan beyinin çalışma prensibi ve bu prensibin yapay sinir ağlarında nasıl taklit edildiği anlatılırken, ikinci bölümde ağırlıklı ortalama, aktivasyon fonksiyonları (sigmoid ve ReLU) ve matris-vektör işlemlerinin yapay sinir ağlarında nasıl kullanıldığı açıklanmaktadır.. Video, bir sayı tanıma modeli üzerinden girdi, gizli ve çıkış tabakalarını göstermekte ve bir serinin ilk bölümü olup, bir sonraki videoda öğrenim aşamalarının anlatılacağı belirtilmektedir.