• Buradasın

    Yapay Sinir Ağları

    Özetteki ilgi çekici içerikler

    • Yapay Zeka, Makine Öğrenimi ve Derin Öğrenme Kavramları

      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.

      • youtube.com

    • Yapay Zeka Hakkında Bilgilendirici Sunum

      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.

      • youtube.com

    • Derin Öğrenmeye Giriş Kursu Tanıtımı

      Bu video, Ay Yüce Kızrak tarafından sunulan "Derin Öğrenmeye Giriş" kursunun tanıtım bölümüdür. Ay Yüce Kızrak, elektronik ve haberleşme mühendisi olup Yıldız Teknik Üniversitesi'nde derin öğrenme ile ilgili doktora çalışması yapmaktadır ve 2009 yılından beri Haliç Üniversitesi'nde akademik kariyer yapmaktadır. Kurs, derin öğrenme konusunda hiç temeliniz olmasa dahi başlangıç seviyesinden ileri seviyeye taşımayı hedeflemektedir. İçerikte yapay sinir ağları, derin öğrenme modeli geliştirme adımları, evrişimli sinir ağları (CNN), uzun-kısa vadeli bellek (LSTM), çekişmeli üretici ağlar (GAN), kapsül ağları, Atari, Go, Satranç ve Dota 2 gibi oyunlarda kullanılan pekiştirmeli öğrenme (RL) konuları ele alınacaktır. Kurs, teorik bilgileri gerçek hayattan örneklerle destekleyerek, izleyicilerin kendi projelerini geliştirmelerine yardımcı olmayı amaçlamaktadır.

      • youtube.com

    • Yapay Zeka ve Optimizasyon Algoritmaları Üzerine Akademik Sohbet

      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.

      • youtube.com

    • Yapay Zeka Tarihi ve Gelişimi

      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.

      • youtube.com

    • Makine Öğrenmesi ve Parametre Optimizasyonu Eğitimi

      Bu video, makine öğrenmesi ve parametre optimizasyonu konularını adım adım anlatan bir eğitim içeriğidir. Video, parametre optimizasyonunun ne olduğunu açıklayarak başlıyor ve Naim programında toprak türlerini sınıflandırma örneği üzerinden uygulamalı bir anlatım sunuyor. İçerikte veri setinin hazırlanması, normalizasyon, eğitim ve test verilerinin ayrılması, yapay sinir ağları modelinin oluşturulması ve parametre optimizasyonu detaylı olarak gösteriliyor. Ayrıca modelin performansı test verisi üzerinden değerlendirilerek 166,50 doğruluk oranı elde edilmiştir. Eğitimde iterasyon, katman ve nöron gibi değişkenlerin nasıl eşleştirileceği, öğrenme ve tahmin düğmelerinin nasıl bağlanacağı gösterilmekte ve eğitim ile test verilerinin performanslarının karşılaştırılmasıyla aşırı öğrenme veya eksik öğrenme olup olmadığı incelenmektedir. Sonuç olarak, 0,69'luk bir sınıflandırma başarısı elde edilmiş ve en iyi parametre değerleri (500 iterasyon, 2 gizli katman, 7 nöron) belirlenmiştir.

      • youtube.com

    • Aşırı Öğrenme Makineleri ile Sınıflandırma Eğitimi

      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.

      • youtube.com

    • Yapay Sinir Ağları Eğitim Videosu

      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.

      • youtube.com

    • Yapay Sinir Ağlarında Normalizasyon

      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.

      • youtube.com

    • Yapay Zeka ve Makine Öğrenmesi Eğitim Videosu

      Bu video, Yunus Makas tarafından sunulan yapay zeka ve makine öğrenmesi konularını kapsayan detaylı bir eğitim içeriğidir.. Video, yapay zekanın tanımı ve tarihçesiyle başlayıp, veri bilimi, makine öğrenmesi ve derin öğrenme gibi alt dallarını açıklamaktadır. İçerikte makine öğrenmesinin çalışma prensipleri, yapay sinir ağları, öğrenme modelleri (denetimli, denetimsiz, yarı denetimli ve pekiştirmeli öğrenme) ve regresyon ile sınıflandırma algoritmaları ele alınmaktadır.. Ayrıca, derin öğrenme algoritmalarının çalışma prensipleri, havuzlama yapıları ve düzleştirme katmanları gibi konular da anlatılmaktadır. Video, yapay zeka ve makine öğrenmesinin sağlık, ulaşım, finans, bankacılık, e-ticaret, doğal dil işleme, tedarik zinciri optimizasyonu, tahmin sistemleri, tavsiye sistemleri, konuşma tanıma ve resim/video tanıma gibi alanlardaki uygulamalarını da kapsamaktadır.

      • youtube.com

    • Yapay Sinir Ağları ve Derin Öğrenme Eğitim Videosu

      Bu video, yapay sinir ağları ve derin öğrenme konusunda eğitim veren bir ders formatındadır. Konuşmacı, bu konuları paylaşım formatında anlatmaktadır. Video, yapay sinir ağları ve derin öğrenme serisinin ikinci bölümü olup, gözetimli öğrenme (supervised learning) yöntemini detaylı olarak ele almaktadır. Ayrıca yapılandırılmış ve yapılandırılmamış veri türleri arasındaki farklar açıklanmakta ve farklı problemler için kullanılan yapay sinir ağı mimarileri (standart mimari, CNN, RNN ve daha yeni mimariler) hakkında bilgiler verilmektedir. Video serisi boyunca hem yapılandırılmış hem de yapılandırılmamış veriler üzerine kod örnekleri paylaşılacağı, ancak yapılandırılmamış veri örneklerine daha fazla ağırlık verileceği belirtilmektedir. Konuşmacı, konut fiyatı tahmini, elektronik devre kartı kalite değerlendirmesi, bilgisayarlı görüntü, konuşma tanıma ve doğal dil işleme gibi farklı uygulama alanlarında gözetimli öğrenmenin nasıl kullanıldığını örneklerle açıklamaktadır.

      • 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

    • Yapay Zeka, Makine Öğrenmesi ve Derin Öğrenme Eğitim Dersi

      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.

      • youtube.com

    • Bulanık Kümelerin Kardinalitesi Dersi

      Bu video, "Bulanık Mantık ve Yapay Sinir Ağlarına Giriş" dersinin üçüncü bölümüdür. Eğitmen, bulanık kümelerin kardinalitesi konusunu anlatmaktadır. Videoda bulanık kümelerin kardinalitesi kavramı detaylı olarak açıklanmaktadır. Klasik kümelerde kardinalite kümedeki elemanların sayısıdırken, bulanık kümelerde kardinalite kümeye olan elemanların üyelik derecelerinin toplamıdır. Eğitmen, formülleri açıklayarak örnekler üzerinden kardinalite hesaplamalarını göstermekte ve kesişim ile birleşim işlemlerinin kardinalite üzerindeki etkilerini açıklamaktadır. Video, bir sonraki derste bulanık kümelerin özellikleri konusunun işleneceği bilgisiyle sonlanmaktadır.

      • youtube.com

    • Yapay Sinir Ağları ve Derin Öğrenme Eğitim Dersi

      Bu video, bir eğitmen tarafından sunulan yapay sinir ağları ve derin öğrenme konulu bir eğitim dersidir. Eğitmen, tahtada notlar alarak ve görsel örnekler kullanarak konuyu anlatmaktadır. Ders, yapay sinir ağlarının temel yapısını, çalışma prensiplerini ve aktivasyon fonksiyonlarını (sigmoid, ReLU, tanjant hiperbolik) detaylı şekilde açıklamaktadır. Ayrıca, optimizasyon teknikleri, gradyan iniş yöntemi, hata fonksiyonları ve çapraz entropi kayıp fonksiyonları gibi konular da ele alınmaktadır. Video, derin öğrenme ağlarının nasıl tasarlandığını ve eğitildiğini matematiksel ifadeler ve örneklerle destekleyerek anlatmaktadır. Dersin son bölümünde, optimizasyon problemlerinde karşılaşılan zorluklar, global ve lokal minimum noktaları, çok boyutlu fonksiyonlarda minimum bulma ve aşırı öğrenme gibi konulara değinilmektedir. Eğitmen, kelebek vadi benzetmesi gibi görsel örnekler kullanarak karmaşık fonksiyonların çözümü için döngülü algoritmaları açıklamaktadır.

      • youtube.com

    • Yapay Zeka ve Beyin Felsefesi Eğitim Videosu

      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.

      • youtube.com

    • Derin Öğrenme ve Yapay Sinir Ağları Hakkında Sohbet

      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.

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