Yapay Zeka Kursu

Bu eğitim, yapay zeka (artificial intelligence) konularını Python diliyle anlatmaktadır
Bu eğitim, veri bilimi (data science) ve yapay us (yapay zeka - artificial intelligence) konularını Python diliyle anlatmaktadır. Her ne denli dil olarak Python seçildiyse de anlatılanların çoğu öteki diller için de geçerlidir. Dahası, öteki dillerde veri bilimi ve yapay us konularında çalışmak isteyenler için de Python ile başlamak, bu dilin göreli olarak daha kolay olması nedeniyle iyi bir başlangıç noktası olabilir.

Skit-learn ile Düzenek Öğrenmesi (Machine Learning)

Skit-learn betikliği (kütüphanesi) düzenek öğrenmesi (machine learning) gibi konularda bir çok algoritma içermektedir. Bu yönüyle yapay zeka (machine learning) alanının en önemli konularından birisi olan düzenek öğrenmesi ilgili çok sayıda destek bulunmaktadır. Bu betiklikte desteklenenler arasında sınıflandırma (classification), gerileme (regression), salkımalama (clustering), model seçimi (model selection), boyutsallık indirgeme (dimensionality reduction), derin öğrenme (deep learnning) ve yapay sinir ağları (artificial neural network), genetik algorimalar (genetik algorithms) gibi konular sayılabilir.

Her ne denli düzenek öğrenmesi ile ilgili çok sayıda alan olsa da çoğu, bir kaç temel konunun öğrenmesine dayalıdır. Çünkü Python geliştiricisi için yukarıdaki konuların gerçekleştirilmesi değil kullanılması söz konusudurur. Başka bir deyişle veri bilimi gibi alanlardaki algoritmalarının içerde nasıl çalıştıkları değil dışarıdan nasıl değerler aldıkları ve sonuç olarak ne döndürdükleri bilinmelidir. Çoğunlukla yapılan işlem bir sınıfı, bir kaç parametre ile oluşturma ve bir kaç yöntemini çağırmaktan oluştur. Söz konusu algoritmaları kullanacak düzeyde anlamak gereklidir. Öte yandan, kod olarak gösterilmese de algoritmaların nasıl çalıştığı açıklanmaktadır.

Eğitim boyunca düzenek öğrenmesi (machine learning) ile ilgili her konuda en az bir örnek yapılmaktadır. Her birinin nasıl girdiler aldığı ve nasıl çıktılar ürettiği örnek üzerinde açıklanmaktadır.

Makine Öğrenmesi Konuları

Makine öğrenmesi kapsamında aşağıdaki konulara ilişkin geniş bir anlatım yapılmaktadır:
  • Yapay Sinir Ağı (Artificial Neural Network)
  • En Yakın Komşu (K-Nearest Neighbour)
  • İlkesel Bileşen Çözümleme (Principal Component Analysis)
  • Destek Yöney Düzenekleri (Suppor Vector Machines)
  • Toy Bayes'çi Sınıflayıcı (Naive Bayesian Classifier)
  • K-Bayağılar Salkımlama (K-Means Clustering)
  • Genetik Algoritmalar (Genetic Algorithms)

Yapay Us (Artificial Intelligence) Konuları

Eğitimlerde düzenek öğrenmesi (machine learning) dışında kalan yapay us (artificial intelligence) konuları da anlatılmaktadır. Örneğin bilgisayar görümü (computer vision), örüntü tanıma (pattern recognition), doğal dil işleme (natural language processing) gibi başlıklar da eğitim kapsamındandır. Söz konusu alanlar, veri bilimi dışında bir çok akademik alanda yaygın olarak işlenen başlıklardan olduğu için eğitim kapsamına alınmıştır.

Örnek Proje

Eğitim tümüyle uygulamalı yapılmaktadır. Her bölümde bir proje geliştirme için gerekli konular uygulamalı olarak örnek üzerinde anlatılmaktadır. Ancak eğitimin sonunda de her katılımcıya, anlatılanları içerdiği gibi kursun ötesinde de konulara girebileceği örnek bir proje verilmekte ve bu konuda öğrenciye destek olunmaktadır.

Bu konularda ayrıntılı bilgi, kurs, özel ders, uzaktan eğitim, ödev ve proje destek, kitap ve video için tıklayın :
Python Business Intelligence, Data Science ve Machine Learning
Godoro tarafından 30.05.2018 tarihinde eklenmiş/güncellenmiştir.

Bu Sayfayı Paylaş:

Fibiler Üyelerinin Yorumları


Tüm üyeler içeriklere yorum ekleyerek katkıda bulunabilir : Yorum Gir

Facebook Yorumları




Bu Sayfayı Paylaş:

İletişim/Bize Yazın   mh@fibiler.com   Google+   Facebook   Twitter   fibiler@googlegroups.com
Her Hakkı Saklıdır
Bu sitede yayınlanan tüm bilgi ve fikirlerin kullanımından fibiler.com sorumlu değildir.
Bu sitede üretilmiş , derlenmiş içerikleri, fibiler.com'u kaynak göstermek koşuluyla kendi sitenizde kullanılabilirsiniz. Ancak telif hakkı olan içeriklerin hakları sahiplerine aittir