Programlama ve yazılım günümüzde eğitimden psikolojiye,sanat tarihinden fen bilimlerine kadar her alanda kullanılmaktadır. Gelecekte de daha fazla yazılımcıya ihtiyaç duyulacağı tahmin edilmektedir. Yazılım öğrenmek şimdilerde oldukça kolay çünkü int... MoreProgramlama ve yazılım günümüzde eğitimden psikolojiye,sanat tarihinden fen bilimlerine kadar her alanda kullanılmaktadır. Gelecekte de daha fazla yazılımcıya ihtiyaç duyulacağı tahmin edilmektedir. Yazılım öğrenmek şimdilerde oldukça kolay çünkü internette bir sürü web site, açık kaynaklar, pdf dökümanlar, ücretsiz eğitim kampları gibi seçenekler mevcut. Yazılımı hangi web siteler üzerinden ücretsiz olarak öğrenebileceğinizi bilmek istiyorsanız aşağıdaki listeye göz atabilirsiniz.
1)Stack Overflow
2)GeeksforGeeks
3)Codeacademy
4)Patika
5)FreeCodeCamp
6)W3schools
7) BTK Akademi
Derin öğrenme uygulamalarında veri kümesinin büyüklüğü ve çeşitliliği öğrenme için en önemli faktördür. Veri kümemiz ne kadar büyük olursa öğrenme de o kadar iyi olmaktadır. Öte yandan veri kümesi büyüklüğü öğrenme için harcanan zamanı ve öğrenme son... MoreDerin öğrenme uygulamalarında veri kümesinin büyüklüğü ve çeşitliliği öğrenme için en önemli faktördür. Veri kümemiz ne kadar büyük olursa öğrenme de o kadar iyi olmaktadır. Öte yandan veri kümesi büyüklüğü öğrenme için harcanan zamanı ve öğrenme sonunda elde edilen modelin büyüklüğünü de o oranda arttırmaktadır. Dolayısıyla depolama alanı gibi bir problem de ortaya çıktığından veri kümesinin büyüklüğü önem arz etmektedir.
Veri kümesinin büyüklüğünden ziyade çeşitliliği de önemlidir; çünkü çeşitlilik arttıkça modelin başarısı da artacaktır. Veri kümesi arttıkça başarı sonsuza kadar doğru orantılı olarak artmaz, belli bir noktadan sonra başarı az oranda artmaya devam eder; çünkü veri kümesinin temsiliyetinin de bir sınır noktası bulunmaktadır.
Veri bilimi, elimizdeki verilerden özellik ya da anlam çıkarmak için veriler üzerinde yapılan tüm çalışmaları kapsamaktadır. Bu çalışmalar için çeşitli yöntemler,araçlar ve teknolojiler kullanılmaktadır. Büyük veri (big data) adını verdiğimiz ham ver... MoreVeri bilimi, elimizdeki verilerden özellik ya da anlam çıkarmak için veriler üzerinde yapılan tüm çalışmaları kapsamaktadır. Bu çalışmalar için çeşitli yöntemler,araçlar ve teknolojiler kullanılmaktadır. Büyük veri (big data) adını verdiğimiz ham veriler, veri bilimciler tarafından anlamlı hale dönüştürüldüğü zaman bir değeri olmaktadır. Bu verileri analiz etmek için matematik, istatistik gibi temel bilimler ile yapay zeka ve mühendislik uygulamaları bir araya getirilerek veri bilimi olarak tanımlanan disiplinler arası bir yaklaşım ortaya çıkmaktadır. Veri bilimi ile uğraşan veri bilimciler de ham verileri anlamlı önerilere dönüştürüp analizler yapan kişilerdir. Veri ile ilgili çeşitli sorunları ortaya çıkarıp çözüm yolları geliştirirler.
Makine öğrenmesi veya derin öğrenme modelleri tasarlanırken, modelde kullanılan algoritma ya da teknikler için bazı parametrelerin tanımlanması gereklidir. Bu parametreler probleme, veri kümesine, kullanılacak olan modele bağlı olarak değişiklik göst... MoreMakine öğrenmesi veya derin öğrenme modelleri tasarlanırken, modelde kullanılan algoritma ya da teknikler için bazı parametrelerin tanımlanması gereklidir. Bu parametreler probleme, veri kümesine, kullanılacak olan modele bağlı olarak değişiklik göstermektedir. Dolayısıyla parametrelerin seçimi modeli tasarlayan kişi tarafından seçilmelidir. İşte bu şekilde bir makine ya da derin öğrenme modelini tasarlayan kişi tarafından seçilen; probleme, veri kümesine göre değişiklik gösteren parametrelere hiper parametre (hyperparameters) denmektedir. Bu hiper parametreler gruplar halinde de olabilir. Burada önemli olan en uygun hiper parametre grubunun seçilmesidir. Bahsi geçen hiper parametrelere örnek vermek gerekirse şunlar söylenebilir: veri setinin boyutu,mini-batch boyutu,öğrenme hızı, momentum katsayısı,epok sayısı, optimizasyon algoritmasının seçimi, başlangıç değerlerin seçimi,aktivasyon fonksiyonu seçimi, dropout değeri vb.
Yapay zeka kavram olarak ilk kez 1956 yılında John McCarthy tarafından ortaya çıktığı bilinse de yapay zekanın temelleri 1950 yılında Alan Turing tarafından ortaya atılmıştır. II. Dünya Savaşı’ndaki şifre kırıcılığıyla tanınan İngiliz matematikçi Ala... MoreYapay zeka kavram olarak ilk kez 1956 yılında John McCarthy tarafından ortaya çıktığı bilinse de yapay zekanın temelleri 1950 yılında Alan Turing tarafından ortaya atılmıştır. II. Dünya Savaşı’ndaki şifre kırıcılığıyla tanınan İngiliz matematikçi Alan Turing, 1950’de kaleme aldığı “Computing Machinery and Intelligence” adlı makalesinde Turing Testi olarak adlandırdığı bir yapay zeka problemlerinin temelini oluşturan, bilgisayarın düşünüp düşünemeyeceğini anlamaya yarayan testi ortaya atmıştır.
Turing Testi olarak bilinen bu testin amacı, bir makinenin düşünebildiğini söyleyebilmenin mantıksal bir yolunun olup olmadığını anlamaktır. Turing testine göre sorgulayıcı kişi (bu bir insan), makine ve başka bir insanla birlikte saklı bir ortamdadır. Sorgulayıcı yalnızca sorular sorarak karşıdakinin insan mı yoksa bilgisayar mı olduğunu anlamaya çalışmaktadır. Sorgulayıcının soruları ve sorularına aldığı cevaplar ya bir klavye sisteminde yazılarak veya bir ekranda gösterilmektedir. Ardı ardına tekrarlanan testler sonucunda sorgulayıcı hangisinin insan olduğunu saptayamaz ise makine Turing testini geçmiş sayılmaktadır.
Derin öğrenme ile makine öğrenimi çok sık karıştırılıyor olsa da; derin öğrenme makine öğreniminin özel bir biçimidir. Makine öğreniminde öznitelikler verilerden manuel olarak çıkarılıp sonrasında hedeflenen işleme göre bir model oluşturulur. Derin ö... MoreDerin öğrenme ile makine öğrenimi çok sık karıştırılıyor olsa da; derin öğrenme makine öğreniminin özel bir biçimidir. Makine öğreniminde öznitelikler verilerden manuel olarak çıkarılıp sonrasında hedeflenen işleme göre bir model oluşturulur. Derin öğrenmede ise öznitelikler verilerden otomatik olarak çıkarılır. Ayrıca, derin öğrenmede, sinir ağlarına ham (işlenmemiş) veriler verilerek gerçekleştirilmesi gereken bir görev belirtilir. Böylece uçtan uca öğrenme yöntemiyle derin öğrenme modeli gerçekleştirilmesi istenen görevi otomatik olarak nasıl yapacağını öğrenir. Makine öğrenmesi ise etiketli veriler üzerinden öğrenerek gerçekleştirilmektedir. Derin öğrenme ile makine öğrenmesi arasındaki diğer bir önemli fark ise, derin öğrenme modellerinde verinin boyutu arttıkça model performansının da artmasıdır. Çünkü derin öğrenmede çok katmanlı sinir ağları veri üzerinde oluşturduğu hiyerarşi ile kendi hatalarından çıkarım yaparak öğrenmeyi gerçekleştirmektedir.
Derin öğrenme en az bir adet katman içeren yapay sinir ağları ve benzeri algoritmayı kapsayan bir makine öğrenme yöntemi olarak tanımlanabilir. Yani en az bir adet yapay sinir ağı kullanılarak verilen girdilerden çıktıyı tahmin etmeye yarayan bir çal... MoreDerin öğrenme en az bir adet katman içeren yapay sinir ağları ve benzeri algoritmayı kapsayan bir makine öğrenme yöntemi olarak tanımlanabilir. Yani en az bir adet yapay sinir ağı kullanılarak verilen girdilerden çıktıyı tahmin etmeye yarayan bir çalışma alanıdır. Derin öğrenme gözetimli veya gözetimsiz olmak üzere iki kısımda gerçekleştirilmektedir.
Gözetimli diğer adıyla denetimli öğrenme verilen X girdi kümesinden istenen Y çıktı kümesinin elde edilmesi için bir fonksiyonun öğrenilmesi ile gerçekleştirilmektedir. Girdi verileri ile çıktı verileri arasında bir ilişki kurularak gelecekte karşılaşılacak X girdilerine karşılık gelecek Y çıktılarının tahmini sağlanabilecektir.
Gözetimsiz öğrenme ya da diğer adıyla denetimsiz öğrenme, gözetimli öğrenmeden farklı olarak, verileri giriş-çıkış şeklinde etiketlemeden, veri içerisinde var olan ilişkilerin ve yapıların öğrenilmesini sağlayan bir derin öğrenme yöntemidir. Yani gözetimsiz öğrenmede veriler üzerinde bir ayrım yapılmadan algoritma ile girdi ve çıktı arasındaki ilişkinin öğrenilmesi beklenir.
Bir kodlayıcı olarak uygulama tasarlamaktan oyun yapmaya, yeni teknolojiler geliştirmekten tasarlamaya para kazanmanın bir çok yolu bulunmaktadır. Bu yollardan bazıları şunlardır:
1) HTML veya JavaScript ile web site veya uygulama yapıp satabilir... MoreBir kodlayıcı olarak uygulama tasarlamaktan oyun yapmaya, yeni teknolojiler geliştirmekten tasarlamaya para kazanmanın bir çok yolu bulunmaktadır. Bu yollardan bazıları şunlardır:
1) HTML veya JavaScript ile web site veya uygulama yapıp satabilirsiniz.
2) Online bir mağaza kurarak tişört, şapka gibi ürünler satabilirsiniz.
3) Uygulama yapmak veya online mağaza kurmak istemiyorsanız freelance çalışan bir web geliştiricisi olabilirsiniz.
4) Freelance çalışma tarzı her sektör için geçerli olduğundan bu kendinize uygun fırsatlar için Upwork veya Fiverr gibi freelance sitelerine bakarak dolar bazında paralar kazanabilirsiniz.
5) Startup şirketleri genellikle kendi altyapılarını sıfırdan oluşturabilecek yeni mezun/yeni başlayan geliştiricilere ihtiyaç duymaktadır. Startup şirketlerinin ihtiyaç duyduğu beceri ve deneyimlere sahip olduğunuz sürece kolayca iş bulup para kazanabilirsiniz
Makine öğrenmesi yeni bir teknoloji gibi görünse de ya da isim olarak havalı gelse de hayatımızda bir süredir zaten bu teknolojiyi kullanmaktayız. Örneğin akıllı telefonlarınız parmak izinizi ya da yüzünüzü bu şekilde tanımaktadır. Siri veya Google A... MoreMakine öğrenmesi yeni bir teknoloji gibi görünse de ya da isim olarak havalı gelse de hayatımızda bir süredir zaten bu teknolojiyi kullanmaktayız. Örneğin akıllı telefonlarınız parmak izinizi ya da yüzünüzü bu şekilde tanımaktadır. Siri veya Google Assistant sizinle makine öğrenmesi teknolojisi sayesinde iletişim kurar, Google sesinizi makine öğrenmesi teknolojisi sayesinde konuşma metnine çevirir ya da otonom araçlarda bu şekilde sürüş yapılmaktadır.
En basit haliyle makine öğrenmesi insanın düşünme ve karar verme yeteneğini makinelere kazandırmaktır. Burada makineden kastımız elbette ki bilgisayarlardır. Makine öğrenmesi sayesinde bilgisayarların ham veriden bilgi çıkarmasını, çıkardığı bilgileri öğrenmesini ve kendini geliştirerek çıkarım yapmasını sağlayabilmekteyiz.
Makine öğrenmesindeki asıl ve temel soru öğrenmenin ne olduğu sorusudur. Makine öğreniminde gelecekteki performansı iyileştirmek için geçmişteki deneyimler kullanılır. Yani görmediğimiz veriler hakkında bir karar verebilmek için elimizde var olan veriler kullanılır. Genel olarak, makine öğrenmesi algoritmaları elimizdeki etiketli ya da etiketsiz verilere dayanarak bir tahmin ya da sınıflandırma yapmak için kullanılır.
Kadir Şeker tahliye olmuş. Geç oldu ama sonunda adalet yerini buldu.Yeniden umutlarına, hayallerine ikinci baharına hoşgeldin Kadir Şeker. Güzel şeyler de oluyor canım ülkemde 🙏🏻🥳
Yazılım Öğrenmek İçin Ücretsiz Siteler
Derin Öğrenmede Veri Kümesinin Önemi
Veri Bilimi Nedir ?
Derin Öğrenmede Hiper Parametreler
Turing Testi Nedir?
Derin Öğrenme ile Makine Öğrenmesi Arasındaki Fark
Derin Öğrenme
Kod Yazarak Para Kazanmak
1) HTML veya JavaScript ile web site veya uygulama yapıp satabilir... More
Makine Öğrenmesi
Kadir Şeker