|
‘’Yapay Zeka Uygulamaları ve Derin Öğrenme’’ Eğitimi kapsamında yapay zeka teknikleri tanıtılarak gerçek yaşam problemlerine uygulanması ele alınacaktır. Bunun yanı sıra, makine öğrenimi ve derin öğrenme gibi ileri düzey yöntemlerin MATLAB, Phyton ve R gibi yazılım programları üzerinden çeşitli modelleme çalışmalarında kullanılmasına yer verilecektir. |
Eğitim Programının Amacı:
Yapay zeka tekniklerinin tanıtılması ve gerçek yaşam problemlerine uygulanması. Bunun yanısıra makine öğrenimi ve derin öğrenme gibi ileri düzey yöntemlerin MAT-LAB, Phyton ve R gibi yazılım programları üzerinden çeşitli modelleme çalışmalarında kullanılması.
Eğitim Programının İçeriği:
1. İstatistiksel Öğrenme Kuramı: Frekansçı, Olabilirlikçi ve Bayesçi yaklaşımlar
2. Optimizasyon Algoritmaları:
- Gradyan Tabanlı: Stochastic Gradient Descent, SCG, Levenberg Marquardt, BFGS
- Evrimsel Algoritmalar: Genetik Algoritmalar (GAs), Parçacık Sürü (PSO)
3. Denetimli Öğrenme (Supervised Learning) - Regresyon Modelleri (Regression Models):
Yapay Sinir Ağları (Artificial Neural Networks), Karar Ağaçları (Decision Trees), Rassal Orman (Random Forest)
4. Sınıflandırma Modelleri (Classification Models):
Karar Destek Makineleri (Support Vector Machines), Yapay Sinir Ağları (Artificial Neural Networks),
- K - En Yakın Komşuluk (K-Nearest Neighbors)
- Naive Bayes, AdaBoost.
5. Denetimsiz Öğrenme (Unsupervised Learning)
- K- Ortalama Algoritması
- Hiyerarşik Bölütleme Algoritması
- ECLAT Algoritması
6. Bulanık Sistemler (Fuzzy Systems)
- Bulanık Regresyon
- Fuzzy C-Means
- Bulanık Programlama
7. Derin Öğrenme (Deep Learning)
- Derin Öğrenme Kütüphaneleri
- CNN (Convolutional Neural Networks)
- Sinyal İşleme
- Görüntü işleme
8. Uygulamalar
