Yapay Sinir Ağları (Neural Network) Temel Eğitimi

Eğitim Hakkında

Yapay sinir ağı insan beyninin çalışma şeklini taklit ederek bir veri kümesindeki temel ilişkileri tanımaya çalışan bir dizi algoritmadır. Yapay sinir ağı kavramı insan biyolojisinden ve nöronlarından esinlenmiştir.

Yapay sinir ağları makine öğrenmesi algoritmalarında kullanılan birçok araç ve yaklaşımdan sadece biridir. Yapay sinir ağları günümüzde konuşma ve görüntü tanıma, spam e-posta filtreleme, finans ve tıbbi teşhis dahil olmak üzere birçok gerçek hayat sorununa uygulanıyor.

Bu kursta yapay zeka, makine öğrenmesi, regresyon ve sınıflandırma gibi kavramların tanıtımından başlayarak yapay sinir ağlarının kullanım alanları anlatılacaktır.  En basit yapay sinir ağı olarak niteleyebileceğimiz lojistik regresyon altyapısı ve çalışma şekli aktarılacaktır. Standart yapay sinir ağlarının yapısı ileri yayılım, geri yayılım, maliyet fonksiyonu ve gradyan inişi kavramlarını içerecek şekilde açıklanacaktır. Son olarak, geliştirilen yapay sinir ağı modelinin değerlendirilmesinin nasıl yapılacağı, performans ölçümü ve metrikleri ile birlikte aktarılacaktır.

Katılımcıların kursa aktif katılımını sağlayabilmek amacıyla kursun içine çok sayıda soru cevap dahil edilmiştir.

Eğitimin sonunda katılımcıların standart yapay sinir ağlarının yapısını ve çalışma şeklini anlamaları ve kendi projeleri için kullanabilmeleri hedeflenmektedir.

Kimler katılmalı

Yapay sinir ağlarını ilgi duyan ve bu teknoloji hakkında bilgi sahibi olmak isteyen herkes eğitime katılabilir. Makine öğrenmesi ile ilgili bilgi sahibi olmak konuların anlaşılmasını kolaylaştıracaktır ama bununla beraber şart değildir. Eğitim içeriği farklı rollerdeki kişilere (yönetici, tasarımcı, analist, yazılımcı) hitap edecek şekilde hazırlanmıştır. Eğitime katılım için ön şart olmamakla beraber, mühendislik temel matematik bilgisi, teorik kısımları daha iyi anlaşılmasını ve herhangi bir yazılım dilinde programlama bilgisi de kod örneklerinin daha kolay takip edilmesini sağlayacaktır.

 

Eğitim İçeriği

  • Makine öğrenmesi

    • Yapay zeka ve makine öğrenmesi tanımları
    • Danışmanlı ve danışmansız öğrenme
    • Regresyon ve sınıflandırma
  • Yapay sinir ağlarına giriş

    • Yapay sinir ağları uygulama alanları
    • Yapay sinir ağları tipleri
    • Derin yapay sinir ağları ve avantajları
    • Perceptron
  • Lojistik regresyon

    • Lojistik regresyon yapısı
    • Karar eşiği (Decision boundary)
    • Kayıp ve maliyet fonksiyonu
    • Gradyan inişi (Gradient descent)
    • Çoklu sınıflandırma
  • Standart yapay sinir ağları

    • Yapay sinir ağları yapısı
    • Aktivasyon fonksiyonları
    • İleri yayılım (Forward propagation)
    • Geri yayılım (Backward propagation)
    • Kayıp ve maliyet fonksiyonu
    • Gradyan inişi (Gradient descent)
    • İlk değer atama
  • Performans ölçümü ve metrikler

    • Eğitim, geliştirme ve test verisi
    • Ölçüm Metrikleri
      • Doğruluk (Accuracy), Kesinlik (Precision), Duyarlılık (Recall), F1 skor

 

Eğitim süresi

  • 1 gün (5 saat)

Eğitmen