Yapay Zeka Uygulamaları
Bir haftayı seçin, o haftanın ders materyali açılsın. Şu an 6 hafta hazır.
Yapay Zekâya Giriş
Yapay zekâ nedir, nasıl buraya geldik? AI/ML/DL ayrımı, sınıflandırma, regresyon, sinir ağları, görüntü ve dil işleme, LLM ve üretken yapay zekâ.
Veri ve Ön İşleme
Veri nedir ve neden her şeyden önce gelir? Veri toplama, eksik ve hatalı veri, aykırı değerler, öznitelik çıkarımı, ölçekleme, eğitim/test ayrımı ve veri sızıntısı — altı ders içi canlandırmayla.
Sınıflandırma Uygulamaları ve Kaggle
Sınıflandırma nedir, veri seti nereden indirilir, Kaggle nasıl kullanılır? Hesap açmadan ilk modele kadar adım adım Titanic örneği ve ardından öğrencinin kendi seçtiği problemi Kaggle'da çözdüğü uygulama ödevi — üç ders içi alıştırmayla.
Görüntü İşleme, OpenCV ve CNN
Görüntünün sayısal temsili, OpenCV ile evrişim ve filtreler, eşikleme, gürültü, kenar bulma, morfoloji ve kontur ile nesne sayma; ardından evrişimli sinir ağları — on dört ders içi lab ve Kaggle'da baştan sona çalışan kodlarla.
Model Değerlendirme
Doğruluk neden tek başına yalan söyler? Hataların iki türü ve farklı bedelleri, kesinlik ve duyarlılık, eşik kavramı, ROC ve PR eğrileri, taban çizgisi, dengesiz veri, sayı tahmininde MAE ve RMSE, aşırı öğrenme — kod yazmadan, yedi ders içi labla ve bol örnekle.
Karar Ağaçları ve Topluluk Yöntemleri
Kararını cümleyle yazabilen tek model: ağaç soruyu Gini saflığına göre nasıl seçer, nerede durmalı, öznitelik önemi raporu neden yanlış okunur? Ardından tek ağacın kırılganlığından topluluğa geçiş — torbalama, random forest ve gradient boosting. Altı etkileşimli lab ve Titanic'te dört modeli aynı ölçüyle yarıştıran, Kaggle'da baştan sona çalışan bir notebook.
Yapay Sinir Ağları
Nöron, katman, ağırlık ve aktivasyon; ağın öğrenme döngüsü.
Ara Sınav ve Proje Başlangıcı
Ara değerlendirme ve dönem projesi konusunun belirlenmesi.
Regresyon ve Tahmin
Sayısal tahmin problemleri, doğrusal regresyon, hata ölçüleri.
Nesne Tespiti
Sınıflandırmadan tespite: nesnenin ne olduğu kadar nerede olduğu.
Doğal Dil İşleme
Metnin sayıya dönüşmesi, token, vektör temsilleri ve temel NLP görevleri.
Büyük Dil Modelleri
LLM'ler nasıl çalışır, ne yapar, nerede yanılır? Bağlam ve sınırlar.
Üretken Yapay Zekâ ve Uygulama Geliştirme
Üretken modellerle çalışmak, istem tasarımı, bir uygulamaya yapay zekâ eklemek.
Etik, Sınırlar ve Proje Sunumları
Veri mahremiyeti, önyargı, sorumluluk ve dönem projelerinin sunumu.