Yapay zeka çok-disiplinli (multidisciplinary) ve uygulamalı bir uzmanlık alanıdır. Machine Learning Engineer (Makine Öğrenmesi Mühendisi) programının odağı ağırlıklı olarak öğrenebilen algoritmalar diye bilinen Deep Neural Network (ANN) ve türevleri olacaktır. Daha önce de gerçekleştirdiğimiz bu program, kapsam ve yoğunluk olarak Türkiye’de tek tamamen uygulamalı yapay zeka eğitim programıdır.
- Yazılım Geliştirme Araçları & Ortamı
- Python (v3.x), CUDA, Flask
- Visual Studio Code, Jupyter Notebook, Google Colab
- Yapay Zeka Geliştirme Araçları
- TensorFlow, OpenCV (v4.7.x), NumPy, Scikit-Learn, Pandas, Matplotlib ve dahası…
01- Yapay Zekaya Genel Bakış
- Yapay Zeka Nedir?
- Yapay Zeka Temelleri
- Yapay Zeka ve Neural Networks (Yapay Sinir Ağları)
- Yapay Zeka : Altındaki Temel Bilim Nedir?
- Yapay Zeka ve Biyomimetik
- Neuron & Neural Network
- Yapay Zeka tehlikeli mi?
- Yapay Zeka Aşamaları : Narrow AI, General AI ve Super AI
- Yapay Zeka’nın Bilimsel Temelleri
- Yapay Zeka Kışı
- Yapay Sinir Ağları
- Yapay Zeka’nın Kapsamı
- Yapay Genel Zeka (AGI)
- Yapay Zeka : Tehditler & Fırsatlar
- Yapay Zeka Devlerinin IQ Analizi
- Yapay Zekanın Kapsamı
- Yapay Zeka Alt Kavramlar
- Oyun Sektöründe Yapay Zeka
- Siber Güvenlik Sektöründe Yapay Zeka
- Yapay Zeka Görev Tanımları
- Kolektif Zeka : SWARM AI & SWARM Intelligence
- Yapay Zeka Teknik ve Teknolojilerine Genel Bakış
- Bir Yapay Zeka Projesi Geliştirmek
- Yapay Zeka için Programlama Dilleri Analiz ve Öneriler
- Yapay Zeka Uygulama Geliştirme Odaklı Open Source Kütüphaneler
- Yapay Zekaya Donanımsal Bakış
- Labeling ve Data Augmentation
- Dataset Kavramı ve Güncel Dataset Kaynakları
- Google Colab Nedir?
- Yapay Zeka Uygulama Geliştirme Araç Önerileri (Geliştirici Odaklı)
02 - NumPy, Pandas ve TensorFlow Temelleri
- NumPy, TensorFlow ve PyTorch’a Genel Bakış
- NumPy’ın Önemi : Computational Intelligence, TensorFlow ve PyTorch ile İlişkisi
- NumPy
- Pandas
- Matplotlib
- Scikit-Learn
- TensorFlow
- TensorFlow’a Genel Bakış
- TensorFlow Mimarisi : TensorFlow Nasıl Çalışır?
- Tensor Operasyonları
- Matrix Multiplication
- Tensor Aggregation
- TensorFlow ile Programlama
03- Machine Learning
- Machine Learning’e Genel Bakış
- Machine Learning Kullanım Senaryoları
- Machine Learning Algoritmaları
- Machine Learning Uygulama Geliştirme Temelleri
- Veri Önişleme (Data Preprocessing)
- Veri Önişleme Nedir ve Neden Kullanılır?
- Veri Önişleme Yöntemleri
- Proje : Veri Önişleme Uygulaması Geliştirmek
- Regression
- Classification
- Clustering
04- Computer Vision
- Computer Vision’a Genel Bakış
- Computer Vision Kullanım Senaryoları
- Computer Vision Temelleri
- Images & Pixels
- Computer Vision Araçları
- OpenCV
- Diğerleri…
- OpenCV ile Computer Vision Temelleri
- Proje : Edge Detection
- Proje : Line Detection
- Proje : Circle Detection
- Proje : Background Subtraction
- Proje : Photo Denoising
- Proje : Face Recognition
- Proje : Object Tracking
05- Deep Learning: Yapay Sinir Ağları ile Öğrenen Algoritmalar
- Deep Learning’e Genel Bakış
- AI vs. ML vs. DL
- Deep Learning Kullanım Senaryoları
- Neural Networks (Yapay Sinir Ağları)
- Perceptron
- Overfitting & Underfitting
- Artificial Neural Network (ANN)
- Neural Network’e Genel Bakış
- Artificial Neural Network Architecture
- Gradient Descent ve Learning Rate
- Weight & Bias
- Activation Function
- Backpropagation
- Hidden ve Output Layer
- Error Calculation : Loss Function
- Neural Network Oluşturmak ve Eğitmek
- Neural Network’ün Ölçülmesi(Evaluation)
- Proje : NumPy ile Sıfırdan Bir Artificial Neural Network (ANN) Uygulaması Geliştirmek
- Proje : Farklı Bir Çok ANN Uygulaması
- Proje : Sadece Python Kullanarak Sıfırdan Bir Artificial Neural Network (ANN) Uygulaması Geliştirmek
- Convolutional Neural Networks (CNNs)
- Convolutional Neural Network’e Genel Bakış
- ANN vs. CNN
- CNN Uygulamaları ve Uygulama Alanları
- Convolutional Neural Network Architecture
- Stride, Padding
- Convolutional Operation & Filters
- Pooling
- Flattening
- Dense Neural Network
- Bir Test ve Training Dataset’i Oluşturmak
- Proje : Keras ile Bir CNN Modeli Oluşturmak ve Eğitmek
- Bir CNN Ağını Ölçümlemek ve Test Etmek
- Proje : Artificial Neural Network ile Görüntü Odaklı Uygulama Geliştirme
- ANN tabanlı bir çok yapay zeka uygulaması geliştirilmektedir.
- Proje : Farklı CNN Projeleri ile Pekiştirme Uygulamaları
- Image Segmentation
- Image Segmentation’a Genel Bakış
- Proje : Image Segmentation
- Proje : Convolutional Neural Network ile Uygulama Geliştirme
- CNN tabanlı bir çok yapay zeka uygulaması geliştirilmektedir.
- İleri Seviye Proje : NumPy ile Sıfırdan Bir Convolutional Neural Network (CNN) Geliştirmek
- İleri Seviye Proje : Sadece Python Kullanarak Sıfırdan Bir Convolutional Neural Network (CNN) Geliştirmek
- Transfer Learning ve Fine Tuning
- Transfer Learning
- Fine Tuning
- Detectron2 ile Yapay Zeka Projeleri Geliştirmek
- Detectron2’ye Genel Bakış
- Proje : Detectron2 ile Instance Segmentation
- Proje : Detectron2 ile Keypoint Detection
- Proje : Detectron2 ile Object Detection
- Proje : Detectron2 ile Panoptic Segmentation
- Proje : Detectron2 ile Semantic Segmentation
06- Natural Language Processing (NLP) & Large Language Models (LLMs)
- Doğal Dil İşlemeye Genel Bakış
- Doğal Dil İşleme Uygulama Alanları
- Doğal Dil İşleme Algoritmaları
- Natural Language Toolkit (NLTK)
- Natural Language Toolkit’e Genel Bakış
- Corpus & Corpora
- Tokenization
- Stop Words
- Stemming
- PoST
- Named Entity Recognition
- Lemmatization
- ve dahası…
- Large Language Models (LLMs)
- RNNs, LSTM, GRU ve Transformer
- RNN vs. LSTM vs. GRU vs. Transformer
- Recurrent Neural Networks (RNNs)
- Long Short-Term Memory (LSTM)
- Gated Recurrent Unit (GRU)
- Transformer
07- Generative AI
- Generative AI’a Genel Bakış
- Generative AI Uygulamaları ve Uygulama Alanları
- Generative AI’ın Temel Algoritmaları
- Generative Adversarial Networks (GANs)
- Autoencoder (Universal Neural Style-Transfer)
- Variational Autoencoders (VAEs)
- Recurrent Neural Networks (RNNs)
- Araçlar, Library’ler ve Verisetleri
- Generative Adversarial Networks (GANs)
- Deep Convolutional Generative Adversarial Networks (DCGANs)
- Diğer GAN Algoritmalarına Genel Bakış
- CycleGAN, SRGAN vb…
- Stable Diffusion Models
- Stable Diffusion Model Nedir?
- GANs vs. Stable Diffusion Models
- Stable Diffusion Model Kullanım Alanları
- Proje : Stable Diffusion Model Uygulaması Geliştirmek
08 - AutoML : Automated Machine Learning
- AutoML’e Genel Bakış
- AutoML Araçlarına Genel Bakış
- Auto Sklearn’e Genel Bakış
- Auto Keras’a Genel Bakış
- Diğer Araçlar : PyCaret, H20, EvalML, TPOT
- Auto Sklearn ile AutoML Uygulaması Geliştirmek
- Auto Sklearn ile AutoML Proje Hazırlığı
- Proje : Auto Sklearn ile AutoML Uygulaması Geliştirmek
- Auto Keras ile AutoML Uygulaması Geliştirmek
- Auto Keras ile AutoML Proje Hazırlığı
- Proje : Auto Keras ile AutoML Uygulaması Geliştirmek
10 - MLOps : Machine Learning Deployment, Distributed AI, MLaaS
- MLOps’a Genel Bakış
- Software Engineering
- Donanımsal Hesaplama (Compute Hardware)
- GPU Temelleri
- GPU Cloud
- On-Prem
- Kaynak Yönetimi
- ML System Lifecycle
- Distributed AI
- Distributed Systems
- Distributed Sistemlere Genel Bakış
- Distributed Sistemler ve Paralel Programlama
- Distributed AI Nedir?
- Distributed AI Kullanım Senaryoları
- Distributed AI Araçları
- Distributed AI Training
- Distributed AI Training’e Genel Bakış
- Data Parallelism (Data-Parallel Training)
- Model Parallelism (Model-Parallel Training)
- Experiment Management
- Hyperparameter Tuning
- Veri Yönetimi
- MLaaS Nedir?
- MLaaS Konsept ve Mimarisi
- MLaaS : Machine Learning as a Services (Sunum)
- Model Packaging
- Model Deployment Türleri
- Model DeploymentWeb : AI Modelleri için Web Tabanlı Mimari ve Teknolojiler
- RESTful API ve Microservice Mimarisi (Ücretsiz Bölüm)
- RESTful API Mimari ve Tasarımına Giriş
- Neden RESTful API Kullanırız?
- RESTful API Terminolojisine Genel Bakış
- RESTful API : Bir Request’in Anotomisi
- RESTful API : Endpoint Kavramı
- RESTful API : HTTP Metot
- RESTful API : HTTP Header
- Dependency Management
- Model Sharing : ONNX
- Model Serving Araç ve Library’leri
- TensorFlow Serving
- TensorFlow Serving Mimarisi
- RESTful ve TensorFlow Serving ile Model Prediction
- TensorFlow Extended (TFX) Pipeline ile Model Deployment
- PyTorch Serve
- PyTorch Serve Mimarisi
- Proje : PyTorch Serve ile Deployment
- Diğer Araçlar
- TensorFlow Serving
- Distributed Systems
- Deployment İçin Model Optimizasyonu
- Quantization
- Pruning
- Distillation
- Deployment İçin Model Optimizasyonu