A-Z™ | Projelerle Yapay Zeka ve Bilgisayarlı Görü | +20 Saat

Why take this course?
🎉 A-Z™ | Projelerle Yapay Zeka ve Bilgisayarlı Görü 📚
Kurumsal Bilgi
Bir Yapay Zeka Uzmanının Tasarımı: Yasar Niyazoğlu
Bu kurs, yapay zeka ve bilgisayarlı görü teknolojilerinin modern uygulamalarını öğrenmeye ve gerçek dünya projelerine uygulama yardımıyla taşıyan, aynı zamanda bu teknikleri kendi işletmenizde kullanma becerilerinizi pekiştirecektir. Python'unun (PyTorch) ve TensorFlow ayrıca FastAI, OpenCV, YOLO, Detectron2, Flask/Heroku, TensorFlow Lite, TensorRT gibi yapay zeka altyapılarını kullanarak derin öğrenme modellerinin geliştirme ve uygulama süreçlerini öğreneceğiz.
Kurs İçeriği Özeti
Giriş Bölümü
Kursunuzu başlatmadan önce, yapay zeka ve bilgisayarlı görü algoritmalarının temel kavramlarını anlayacağız. Python programlama dilinin nasıl yapay zeka uygulamalarında kullanıldığına, özellikle PyTorch ve TensorFlow ile derin öğrenme projelerinde kullanılabiliğini keşfediniz.
Derin Öğrenme Teori
- Yapay zeka tariminin temel kavramları
- Derin öğrenme modeli süreçleri
- CNN (Convolutional Neural Networks) teorisinin anlaşılması
Projelerle Yapay Zeka ve Bilgisayarlı Görü Kullanarak Gerçek Dünya Uygulamaları
- Pytorch ile Derin Öğrenme: PyTorch kullanarak sadece teori farkındalık, aynı zamanda pratik uygulama birlikte edineceğiz.
- Tensorflow ile Derin Öğrenme: Tensorflow ile derin öğrenme modelleri oluşturma ve eğitim sürecini deneyimlemeye çalışacaksınız.
- FastAi ile Derin Öğrenme: FastAi ile derin öğrenme modellerinin hızlı bir şekilde geliştirme ve optimizasyonu sağlayan araçları kullanacağınız.
- OpenCV: Real-time video işleme ve analiz yapacak open source araçlarıyla ustalayacaksınız.
- Tensorflow ile Trafik Sign Yazımı Tabanlı Sınıflandırma (Yolo): Android uygulamaları oluşturarak gerçek zamanlı sınıflandırma görebilirsiniz.
- TensorFlow Lite - Android App - Object Detection ve İmage Classification: Flask/Heroku kullanarak web uygulamaları oluşturarak modelinizi dağıtabilir, test edebilirsiniz.
- TensorRT: Yolov4 modelleri için FPS (Frames Per Second) değerini artıran ve performans yükseklik getiren TensorRT kitlesini kullanacağınız.
Kurs İçeriği Detaylı Özeti
1. Giriş ve Temel Konular
- Python iyileştirmeleri ve yapay zeka uygulamalarındaki kullanımı
- Derin öğrenme modellerine genel bakış açısı
- CNN (Convolutional Neural Networks) temelleri
2. Yapay Zeka Modelleri
- PyTorch ile ilk derin öğrenme modelinin oluşturma ve eğitimi
- TensorFlow ile derin öğrenme modellerinin geliştirilmesi
- FastAI kullanarak modellerin hızlı araştırma ve optimizasyonu
3. Bilgisayarlı Görü Uygulamaları
- OpenCV ile görü silme, detektif olmayan gözle görü anlama (GAG) ve yüzyü anlama gibi işlemler
- YOLO (You Only Look Once) ve SSD (Single Shot MultiBox Detector) gibi real-time objekte tanıma modellerinin kullanımı
- Detectron2 ile farklı objekte tanıma modellerinin entegrasyonu ve uygulama
4. Uygulamaların Dağıtımı ve Performans Optimizasyonu
- TensorFlow Lite kullanarak modelerin Android uygulamalarına entegreme ve mobil optimizasyonu
- Flask/Heroku ile web uygulamaları oluşturma ve modelerinin servise eklenmesi
- TensorRT kullanarak YOLO4 gibi modellerin performansını yüksek alt düzey işlemcilere optimize edilmesi
5. Gerçek Dünya Projelerine Uygulama ve Deployment
- Android uygulamaları oluşturma ve objekte tanıma veya görü sınıflandırma gibi işlevlerini test ediniz.
- Web uygulamaları oluşturma ve modelerini servise ekleyerek gerçek zamanlı objekte tanıma veya görü sınıflandırma gibi işlevlerini sununuz.
Bu kurs, yapay zeka ve bilgisayarlı görü teknolojilerinin pratik kullanımı ve uygulamalarının dağıtılması konusunda ayrıcalık sağlayacak şekilde tasarlanmıştır. Kendi işletmenizde ya da mevcut bir yıgınızdaki zorluklara göre kullanabileceğinizi unutmayın!
Bugün da hala kod uyguluyla dünyaya katkı sağlayabilirsiniz! 🚀💻
Course Gallery




Loading charts...