Yapay Zeka II : Derin Öğrenme Sertifika Programı
Online
Başlangıç Tarihi: 20 Nisan 2024
Süre: 36 Saat
Başlangıç Tarihi: 20 Nisan 2024
Süre: 36 Saat
Bu eğitim, katılımcılara PyTorch üzerinden derin öğrenme ve yapay zeka konularında derin bir anlayış kazandıracaktır. Tensorlerin temel veri yapısı, türev hesaplama, optimizasyon, kayıp fonksiyonları, ileri beslemeli sinir ağları, aktivasyon fonksiyonları, evrişimli sinir ağları, dil modelleri, RNN, LSTM, Transformer ve çekişmeli üretken ağlar (GAN) gibi konular ele alınacaktır. Programın sonunda katılımcılar, gerçek dünya yapay zeka projelerini hayata geçirme ve derin öğrenme alanındaki uzmanlık düzeylerini artırma yeteneğine sahip olacaklardır.
Eğitim Bilgileri
Bu eğitim programı, orta düzeyde kodlama tecrübesine hakim olan, ancak Python dili, veri bilimi ve derin öğrenmede daha fazla derinlik kazanmak isteyen bireyler için özel olarak hazırlanmıştır. Program, PyTorch üzerine odaklanarak, derin öğrenme ve yapay zeka konularında beceri kazanmak isteyen bireyler için uygundur. Katılımcılar, temel Python bilgisiyle birlikte yapay zeka ve derin öğrenme konularında daha derinlemesine bilgi sahibi olmak isteyenler için idealdir.
Bu eğitim, katılımcılara PyTorch üzerinden derin öğrenme ve yapay zeka konularında derin bir anlayış kazandıracaktır. Tensorlerin temel veri yapısı, türev hesaplama, optimizasyon, kayıp fonksiyonları, ileri beslemeli sinir ağları, aktivasyon fonksiyonları, evrişimli sinir ağları, dil modelleri, RNN, LSTM, Transformer ve çekişmeli üretken ağlar (GAN) gibi konular ele alınacaktır. Programın sonunda katılımcılar, gerçek dünya yapay zeka projelerini hayata geçirme ve derin öğrenme alanındaki uzmanlık düzeylerini artırma yeteneğine sahip olacaklardır.
Program Hedefleri:
|
Program Materyalleri:
|
1. PyTorch’a giriş
1.1. Tensorler: Temel Derin Öğrenme Veri Yapısı
1.2. Tensor Operasyonları ve İşlemleri
1.3. PyTorch Autograd: Türev Hesaplama
1.4. Optimizasyon ve Kayıp Fonksiyonları
2. Yapay Sinir Ağları (Artificial Neural Networks)
2.1. İleri Beslemeli Sinir Ağları (Feedforward Neural Networks)
2.2. Aktivasyon Fonksiyonları
2.3. Geri Yayılım (Backpropagation)
2.4. İleri ve Geri Yayılımı PyTorch ile Uygulama
3. Görüntü İşleme (Computer Vision)
3.1. Evrişimli Sinir Ağları (CNN'ler) ve Mimarileri
3.2. Görüntü Sınıflandırma ve Nesne Tanıma (Classification & Object Detection)
3.3. Görüntü Bölütleme (Segmentasyon)
3.4. Öğrenme Aktarımı (Transfer Learning)
3.5. Modeller Arası Öğrenme Aktarımı (Knowledge Distillation)
4. Doğal Dil işleme (Natural Language Processing)
4.1. Doğal Dil İşlemeye Giriş
4.2. Dil Modelleme (Language Modeling)
4.3. RNN, GRU, LSTM
4.4. Transformer
4.5. Metin Sınıflandırma ve Duygu Analizi
4.6. İleri Doğal Dil İşleme Örnekleri
5. Üretken Modeller (Generative Models)
5.1. Otokodlayıcı (AutoEncoder)
5.2. Çekişmeli Üretici Ağlar (Generative Adversarial Networks, GANs)
5.3. Diffusion Modelleri
20 Nisan 2024 10.00-13.00
21 Nisan 2024 10.00-13.00
27 Nisan 2024 10.00-13.00
28 Nisan 2024 10.00-13.00
4 Mayıs 2024 10.00-13.00
5 Mayıs 2024 10.00-13.00
11 Mayıs 2024 10.00-13.00
12 Mayıs 2024 10.00-13.00
18 Mayıs 2024 10.00-13.00
25 Mayıs 2024 10.00-13.00
26 Mayıs 2024 10.00-13.00
1 Haziran 2024 10.00-13.00
Doç.Dr. Taner Arsan
Mart 2000'den bu yana Kadir Has Üniversitesi Mühendislik ve Doğa Bilimleri Fakültesi Bilgisayar Mühendisliği Bölümü'nde çalışmaktadır. İstanbul Teknik Üniversitesi (İTÜ) Elektronik ve Telekomünikasyon Mühendisliği Bölümü'nden 1990 yılında mezun oldu, M.Sc. ve Ph.D. İTÜ Kontrol ve Bilgisayar Mühendisliği Bölümü'nden sırasıyla 1994 ve 1999 yıllarında mezun oldu. Halen Kadir Has Üniversitesi Rektör Danışmanı ve Mühendislik ve Doğa Bilimleri Fakültesi Dekan Yardımcılığı görevini yürütmektedir. Taner Arsan'ın araştırma alanları öğrenme ortamlarında iç mekan konumlandırma ve davranış haritalama ile Yüksek Öğrenim, Makine öğrenimi ve akıllı sistemlerde yenilikçi öğretme ve öğrenme uygulamalarıdır.
Fuat Alsan
Fuat Alsan, Kadir Has Üniversitesi'nde elektronik mühendisliği lisans ve yüksek lisans derecelerini tamamlamış, ardından aynı üniversitede bilgisayar mühendisliği alanında doktora eğitimine devam etmektedir ve tez aşamasındadır. Akademik kariyerine odaklanan Fuat Alsan, doktora tezini derin öğrenme üzerine yapmakta olup, bu alandaki çalışmalarını sürdürmektedir. Kadir Has Üniversitesi'nde "Data Science and Analytics" lisansüstü dersinin asistanlığını üstlenmektedir. Laboratuvarda öğrencilere bilgi ve deneyimlerini aktararak, veri bilimi, makine öğrenmesi ve derin öğrenme konularında öğrencilerin yeteneklerini geliştirmesine yardımcı olmaktadır.
Program sonunda yapılan proje bazlı değerlendirme ve çoktan seçmeli sınav aracılığıyla, yüzde 70 baraj notunun üzerinde puan alan ve yüzde 80 katılım şartını karşılayan adaylara E-Devlet üzerinden sorgulanabilir sertifika verilir.
19.500 TL (KDV Dahil)
KHAS Mensubu Akademisyen & İdari Personeline, KHAS Mezun & Öğrencilerine %50 indirim imkanı bulunmaktadır.
