Ders · 14 hafta

Yapay Zeka Uygulamaları

Bir haftayı seçin, o haftanın ders materyali açılsın. Şu an 6 hafta hazır.

1 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.

AI / ML / DL Sınıflandırma Regresyon KNN Sinir ağı LLM
4 saat Dersi aç →
2 Hazır

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.

Veri kalitesi Eksik veri Aykırı değer Öznitelik çıkarımı One-hot Ölçekleme Train / test Veri sızıntısı
4 saat Dersi aç →
3 Hazır

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.

Sınıflandırma Etiket Veri seti kaynakları Lisans Kaggle Kaggle Notebook Taban çizgisi Eğitim / sınav ayrımı Karar ağacı Karmaşıklık matrisi
4 saat Dersi aç →
4 Hazır

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.

Piksel BGR / RGB Histogram Eşikleme Evrişim Çekirdek Canny Morfoloji Kontur HSV CNN Havuzlama Veri artırma Kaggle
4 saat Dersi aç →
5 Hazır

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.

Karmaşıklık matrisi Kesinlik / Duyarlılık Eşik F1 ROC / AUC PR eğrisi Taban çizgisi Dengesiz veri MAE / RMSE Aşırı öğrenme
4 saat Dersi aç →
6 Hazır

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.

Karar ağacı Gini Derinlik / budama Öznitelik önemi Kırılganlık Bootstrap Torbalama Random forest Boosting Çapraz doğrulama GridSearchCV Kaggle
4 saat Dersi aç →
7 Yakında

Yapay Sinir Ağları

Nöron, katman, ağırlık ve aktivasyon; ağın öğrenme döngüsü.

Nöron Katman Eğitim döngüsü
4 saat
8 Yakında

Ara Sınav ve Proje Başlangıcı

Ara değerlendirme ve dönem projesi konusunun belirlenmesi.

Ara sınav Proje planı
4 saat
9 Yakında

Regresyon ve Tahmin

Sayısal tahmin problemleri, doğrusal regresyon, hata ölçüleri.

Regression Hata payı Tahmin
4 saat
10 Yakında

Nesne Tespiti

Sınıflandırmadan tespite: nesnenin ne olduğu kadar nerede olduğu.

Object detection Bounding box
4 saat
11 Yakında

Doğal Dil İşleme

Metnin sayıya dönüşmesi, token, vektör temsilleri ve temel NLP görevleri.

NLP Token Embedding
4 saat
12 Yakında

Büyük Dil Modelleri

LLM'ler nasıl çalışır, ne yapar, nerede yanılır? Bağlam ve sınırlar.

LLM Bağlam Halüsinasyon
4 saat
13 Yakında

Üretken Yapay Zekâ ve Uygulama Geliştirme

Üretken modellerle çalışmak, istem tasarımı, bir uygulamaya yapay zekâ eklemek.

Üretken AI Prompt API entegrasyonu
4 saat
14 Yakında

Etik, Sınırlar ve Proje Sunumları

Veri mahremiyeti, önyargı, sorumluluk ve dönem projelerinin sunumu.

Etik Önyargı Sunum
4 saat