Yapay Zeka - 2 Eğitimi

YAPAY ZEKA 2 (AI2) - İleri Seviye

Süre: 16 Hafta (144 Saat) - Haftada 3 gün, 2.5 saat teorik ve 1.5 saat pratik.

Hafta 1-2: Derin Öğrenme Temelleri

• Sinir Ağları (Neural Networks), Perceptron ve geri yayılım (Backpropagation) algoritması
• Aktivasyon ve kayıp fonksiyonları (Loss functions), Optimizasyon algoritmaları
• Uygulama: TensorFlow/Keras ile ilk sinir ağı modelini oluşturma ve MNIST veri seti üzerinde çalışma

Hafta 3-4: Evrişimsel Sinir Ağları (CNN)

• CNN mimarisi, evrişim (Convolution) ve havuzlama (Pooling) katmanları
• CNN mimarileri (ResNet, VGG) ve transfer öğrenmesi (Transfer learning) kavramı
• Uygulama: Keras ile CNN modeli oluşturma, görüntü sınıflandırma ve veri artırma (Data augmentation)

Hafta 5-6: Tekrarlayan Sinir Ağları (RNN) ve NLP

• RNN, LSTM ve GRU mimarileri, diziden-diziye (sequence-to-sequence) modeller
• Doğal Dil İşleme (NLP), metin ön işleme ve kelime gömme (Word embeddings)
• Uygulama: Metin sınıflandırma, duygu analizi (sentiment analysis) ve dil modelleme

Hafta 7-8: Gelişmiş Derin Öğrenme

• Üretken Çekişmeli Ağlar (GANs), Otomatik Kodlayıcılar (Autoencoders) ve Transformer mimarisi
• BERT ve GPT gibi büyük dil modelleri ve dikkat mekanizmaları (Attention mechanisms)
• Uygulama: Hugging Face kütüphanesi ile metin oluşturma ve özetleme

Hafta 9-10: Takviyeli Öğrenme (Reinforcement Learning)

• Takviyeli öğrenme temelleri, Markov Karar Süreçleri (MDP) ve Q-learning
• Derin Q Ağları (DQN) ve politika gradyan yöntemleri (Policy gradient methods)
• Uygulama: OpenAI Gym ortamı kullanarak basit bir oyun ajanını (agent) geliştirme

Hafta 11-12: MLOps ve Model Dağıtımı

• MLOps (Makine Öğrenmesi Operasyonları) ve boru hattı tasarımı
• Model versiyonlama, izleme, konteynerleştirme (Docker) ve bulut platformlara (AWS, GCP) dağıtım
• Uygulama: Flask/FastAPI ile model API'si geliştirme ve Docker kullanarak model dağıtımı

Hafta 13-14: Bilgisayarlı Görü ve Gelişmiş Uygulamalar

• Nesne tespiti (Object detection - YOLO), görüntü segmentasyonu ve yüz tanıma sistemleri
• Otonom araçlar ve tıbbi görüntüleme uygulamaları
• Uygulama: OpenCV ve YOLO ile gerçek zamanlı nesne tespiti

Hafta 15-16: Bitirme Projesi ve Kariyer Hazırlığı

• Yapay zeka etiği, önyargı tespiti ve kurumsal stratejiler
• Portfolyo oluşturma, LinkedIn optimizasyonu ve mülakatlara hazırlık
• Uygulama: Gerçek bir dünya problemi için uçtan uca AI projesi geliştirme ve sunma

Ek Bilgiler

Gerekli Teknolojiler

• Programlama: Python 3.8+
• Kütüphaneler: TensorFlow/Keras, PyTorch, NLTK, spaCy, Hugging Face, OpenCV
• Dağıtım (Deployment): Docker, Flask/FastAPI, AWS/GCP/Azure

Donanım Gereksinimleri

• Minimum: 8GB RAM, 4 çekirdekli CPU
• Önerilen: 16GB RAM, 8 çekirdekli CPU ve GPU (GTX 1060 veya üzeri)

Kariyer Yolları ve Hedefler

• Pozisyonlar: Junior AI/ML Engineer, Data Scientist, AI Product Manager
• Hedefler: GitHub'da en az 5 profesyonel proje ve Kaggle yarışmalarında başarılı sonuçlar