Derin Öğrenme

Yapay zekâ insan beynini düşünce yapısını öğrenme karar verme gibi yeteneklerini taklit ederek makineler üzerinde modellemeyi sağlamaktadır Derin öğrenme geleneksel makine öğrenmesi yöntemlerinden farklı olarak kodlanmış kurallar ile öğrenmek yerine resim video ses ve metinlere ait verilerin simgelerinden otomatik olarak öğrenebilmektedirler Bu kitapta hem teorik hem de uygulama olarak derin öğrenmenin mantığı ve yöntemleri incelenmiştir Bu sayede derin öğrenmenin ne olduğu ile ilgili okuyuculara fikir vermek ve derin öğrenmeyi popüler örneklerle anlatmaya çalışmaktan ziyade işin matematiğinin anlaşılmasına yardımcı olmak amaçlanmıştır Derin Öğrenme Derin Öğrenme Nedir Derin Öğrenmenin Tarihçesi Derin Öğrenmenin Temelleri Makine Öğrenmesi Yapay Sinir Ağları Derin Öğrenmenin Temelleri ve Derin Öğrenme Algoritması Derin Öğrenme Yöntemleri Evrişimli Sinir Ağları Oto Kodlayıcılar Kısıtlı Boltzmann Makinesi Derin İnanç Ağları Derin Boltzmann Makinesi Derin Öğrenme Uygulamaları Sağlıkta Derin Öğrenme Uygulamaları Derin Öğrenme Kütüphaneleri Yazılımları Derin Öğrenme Kütüphaneleri Derin Öğrenme Uygulama alanları ve Uygulamaları Derin Öğrenme Uygulama Alanları CNN uygulaması DBN uygulaması

Yapay zekânın bir alt alanı olarak ifade edilen makine öğrenmesi mühendislik finans ve biyoinformatik in başı çektiği birçok alanda yaygın olarak kullanılmaktadır Makine öğrenmesi uygulamaları geliştirmek için temelinde kalkülüs doğrusal cebir ve istatistik barındıran bazı algoritmaların teorik olarak kavranması önemlidir Bu algoritmaların teorik yönleri öğrenildikten sonra Python gibi kolay ve zengin kütüphane yapısına sahip bir programlama dili ile kodlanarak uygulama geliştirilebilir Kitaptaki makine öğrenmesi algoritmalarının teorik yönleri titizlikle irdelenmiş gerek duyulan doğrusal cebir ve istatistik konuları da özet olarak incelenmiştir Özgün veri setleri içeren problemler kullanılarak her algoritma için Python uygulamaları geliştirilmiştir Makine öğrenmesinin bir alt alanı olan Derin Öğrenme ile uygulama geliştirmek isteyen kişilerin de özellikle bu kitaptaki temel bilgileri öğrenmesi önemli bir alt yapı oluşturmalarını sağlayacaktır Bu kitabı okuduktan sonra derin öğrenme mimarilerinin anlaşılması daha kolay olacaktır Bu kitap kimler içindir Makine Öğrenmesi uygulaması geliştirmeye başlamak isteyen ancak nereden başlaması gerektiğini tam olarak bilmeyenler Hâlihazırda Makine öğrenmesi uygulamaları geliştirenler Fen Mühendislik ve Sosyal Bilimler alanlarında Makine Öğrenmesi içeren tezler hazırlayanlar ve bilimsel çalışmalar yapanlar Python ve Gerekli Kurulumlar NumPy Pandas ve Matplotlib Kütüphanelerinin Kullanımı Öğrenme Türleri Makine Öğrenmesinde Uygulama Geliştirme Süreçleri Python ile Veri Ön İşleme Süreci Doğrusal Regresyon Polinom Regresyon Çoklu Doğrusal Regresyon K En Yakın Komşu Algoritması Naive Bayes Algoritması Lojistik Regresyon Yapay Sinir Ağları Destek Vektör Makinaları

R uygulamalı bu kitap makine öğrenmesi ile ilgili genel kavramlar ve teknikler yanında çok sayıda uygulamaya yer veriyor Makine öğrenmesini anlamada en önemli şey onun yazılım üretimine temelde yeni bir yaklaşım getirmesidir Makine öğrenmesi belirli bir amaç için programlama yerine örneklerden öğrenir ve bu önceki pratiğe göre önemli bir kırılmadır Bir öğrenme algoritması çok sayıda veriyle diğer bir deyiş ile milyonlarca sayı ile uğraşır Makine öğrenmesi yolu ile nesneleri yüzleri sözcükleri tanıyabilir kredi kartı ile yapılan alışveriş dizisindeki veya bir fabrikadaki algılayıcının okuduğu sayılardaki anomalileri normalden uzaklaşmaları belirleyebilir bir hisse senedinin değerini veya kimin neyi satın alabileceğini kestirebiliriz

Alanındaki üç uzman tarafından yazılmış olan Derin Öğrenme kitabı bu konudaki tek kapsamlı eserdir Kitap alana girmek isteyen yazılım mühendisleri ve öğrenciler için fazlasıyla gerekli olan geniş perspektifi ve matematiksel hazırlığı sunacak uzmanlar için de referans olacaktır Elon Musk Tesla ve SpaceX CEO su Derin öğrenmenin ders kitabı kesinlikle budur Alanın önemli otoriteleri tarafından yazılmış açık ve kapsamlı bir kitaptır Derin öğrenmenin nereden geldiğini nereye gittiğini ve doğru olanın ne olduğunu bilmek istiyorsanız bu kitabı okuyun Geoffrey Hinton Toronto Üniversitesi nde Profesör ve Google da Seçkin Araştırmacı Derin öğrenme 2010 lu yılların başından beri teknoloji dünyasında fırtına gibi esiyor Uygulama geliştirenler eğitmenler ve öğrenciler için temel kavramları pratik yönleri ve ileri düzey araştırma konularını içeren bir ders kitabına ihtiyaç vardı Bu kitap alanının en yenilikçi ve üretken araştırmacıları tarafından yazılan ilk kapsamlı ders kitabıdır Gelecek yıllar süresince de referans kitap olmaya devam edecektir Yann LeCun New York Üniversitesi nde Profesör ve Facebook Yapay Zekâ Araştırmaları Direktörü Derin öğrenmeye yeni başlayanların baştan sona okuması bu konuda çalışanların ise referans olarak bulundurması gereken kapsayıcı bir kitap Derin öğrenmenin etkisini son yıllarda neredeyse tüm teknolojik alanlarda yoğun biçimde gözlemliyoruz Bu kitabın Türkçeye kazandırılması önemli bir açığı kapatacak bu güncel ve önemli konudaki ulusal çalışmaları ivmelendirici etkisi olacaktır Doç Dr Alptekin Temizel Orta Doğu Teknik Üniversitesi Dilimize kazandırılması ile Türkiye deki derin öğrenme çalışmalarına hız kazandıracağını düşündüğüm özenle hazırlanmış bir eser Merve Ayyüce Kızrak Deep Learning Türkiye Ortak Kurucusu