Derin Öğrenmenin Katmanları

Makine öğreniminin bir kolu olan derin öğrenme; yapay zekaya ilginin çoğalmasıyla birlikte adeta patlama yaşamıştır. Derin öğrenme nedir? Derin öğrenme katmanları normal bir durumda makineye bir bilginin öğretilmesini insanlar sağlıyor. Bu sayede cihazlar çalışabiliyor. Derin öğrenmede ise durum çok farklı. Makineler öğrendikleriyle verileri analiz ediyor, yeni veriler çıkarıyor. Şuan için Devamı…

Tensorflow

Tensorflow nedir? Tensorflow açık kaynak kodlu, Google tarafından uzun bir süredir geliştirilen derin öğrenme kütüphanesidir. 2015 yılının kasım ayında duyurulan bu kütüphane çıktığında her programlama diline uyarlanamıyordu. Şimdi ise Python, C++, C#, Java, JS ve GO gibi birçok dile uyumlu halde. Tensorflow aynı beyin gibi işlenecek şekilde tasarlanmıştır. Anlama, algılama, Devamı…

Veri Büyütme

CNN Veri Büyütme : Verileri artırmak, farklı yönelimlerle yeni “veri” oluşturmanın bir yoludur. Bunun avantajları iki yönlüdür, öncelikle sınırlı veriden “daha fazla veri” üretme kabiliyeti ve ikincisi geçersiz kılmayı önler. Sınırlı verilerle çalışmanın kendine has sorunları var, veri toplamaların kullanımı yalnızca ekleme metotları mevcut veri setini iyileştirirse olumlu sonuçlara sahip Devamı…

cıfar 10

CIFAR-10

CIFAR-10 Nedir? (Kanada Gelişmiş Araştırma Enstitüsü) veri kümesi, genel olarak makine öğrenmesi algoritmalarını ve bilgisayar vizyonunu öğretmek için kullanılan bir görüntü koleksiyonudur. Bu, makine öğrenimi araştırması için en yaygın kullanılan veri setlerinden biridir. CIFAR-10 Veri Kümesi, 10 farklı sınıfta 60.000 32×32 renkli görüntü içerir. 10 farklı sınıfta uçaklar, arabalar, kuşlar, Devamı…

CNN ile MNIST

CNN ile MNIST ; Konvolüsyonel Sinir Ağları (CNN), görüntülerin sınıflandırılması için modern bir mimaridir. Yüz tanıma, kendi kendine sürüş veya nesne algılama olsun, CNN her yerde kullanılır. Bu yazıda, iyi bilinen bir MNIST rakam tanıma problemi için bir tensör arka uç göbeği kullanılarak basit bir iki boyutlu evrişimli sinir ağı (CNN) modeli geliştirilmiştir. Tüm iş akışı şunlar olabilir:

(daha&helliip;)

Yapay Sinir Ağları

Canlılarda var olan sinir yapısı model alınarak oluşturulan yapay sinir ağları, insan beyni gibi öğrenmeye çalışarak yapay zekayı oluşturmaktadır. Eğitilebilir bir yapıya sahip olup belleğinin de var olması insan beyni gibi çalışmalar üretebilmesine yardımcı olmaktadır. Bu yapay sinir ağları makinelere aktarılarak kendi kararlarını verebilmeleri ve eğitilmeleri sağlanmaktadır. 

(daha&helliip;)

Yinelenen Sinir Ağları (RNN)

Yinelenen Sinir Ağları (RNN), oluşturulan katmanlar üzerine işlenen verilere uygulanan matematiksel işlemler sonucu bir çıktı veri almayı ifade etmektedir. Bu sinir ağlarında bilgi ileri doğru işletilmektedir. Sisteme işlenen veriler sonucunda bir tahmin verisi elde edilmektedir. Bu verinin doğru sonuçla karşılaştırılması sonucu hata payı kavranmış olur. Sinir ağında bulunan ağırlık değerleri hata payı oranında değişime uğrayınca gerçek sonuçlar elde edilmeye başlanacaktır. 

DEVAMINI OKU

Konvolüsyonel Sinir Ağları (CNN)

Konvolüsyonel sinir ağları (CNN), görsel verileri işleyerek ortak özellikler üzerinden nesneleri ayırt etme gücüne sahip olan evrişimsel bir ağ olarak karşımıza çıkmaktadır. Örneğin; Facebook’ta yer alan eklediğiniz fotoğraflardan kişi analizi yapma özelliği ve Google görsellerde yer alan eklediğiniz görseli ve ona benzer görselleri bulma özelliği bu yapay sinir ağları sayesinde gerçekleştirilmektedir. 

DEVAMINI OKU

CNN Mimarileri

CNN Mimarileri ile Derin öğrenme, birçok veri türündeki yüksek performans düzeyi nedeniyle, makine öğreniminin çok popüler bir alt kümesi haline geliyor. Derin sınıflamayı görüntüleri sınıflandırmak için kullanmanın harika bir yolu, evrimli bir sinir ağı (CNN) oluşturmaktır. Python’daki Keras kütüphanesi, CNN’i yaratmayı oldukça kolaylaştırıyor.

DEVAMINI OKU

Tensorflow ile Yapay Sinir Ağları

Tensorflow ile Yapay Sinir Ağları ile Yapay zekanın temelinin oluşmasında en önemli adım makine öğrenmesini sağlamak olmuştur. Tensorflow, Google tarafından üretilen ve makinelerin sinir ağlarının oluşmasını sağlamak amacıyla kullanılan bir araçtır. Bu araç yardımıyla makineler, oluşturulan örnek verileri işleyerek kendilerini eğitir ve daha sonra bu veriler ile oluşturulan yeni durumlarda kendi kararlarını verebilirler.