Makine Öğrenmesinin Felsefesi ve Matlab Uygulamaları
Makine Öğrenmesinin Hazır Kütüphane Kullanmadan Gerçeklenmesi ve Olasılık Teorisi
Description
Arkadaşlar hepinize merhaba.
Bu derste özellikle Makine öğrenmesi ve yapay zeka ile alakalı matematiksel düşünüşte verilen felsefi geçmiş tartışması yapılacaktır. Analitik felsefenin etkisiyle doğan bu alanda Makine öğrenmesi için kullanılan temel teoriler ve bunların hazır kütüphane olmadan kodlanması üzerine güzel bir giriş bu derste yapılacaktır.
Konu başlıkları olarak,
- Makine öğrenmesinin felsefesi ve türleri
- Optimizasyon yöntemlerinde de sıklıkla kendisi ve türevleri kullanılan düşen eğim algoritması
- Sınıflama işlemleri için Lojistik regresyon kullanımı ve basit bir algılayıcı (perceptron) tasarımının anlatımı
- Yapay sinir ağı yapıları ve bu tip ağların eğitimi için geri yayılımlı öğrenme teknikleri (Neural Network - Backpropagation Algorithm)
- Olasılık teorisinin bulunuşu ve felsefi yayılımı (Probability)
- Kovaryans, varyans, ortalama değer ve diğer olasılıksal kavramların açıklaması ve felsefi temeli
- Olasılıksal yoğunluk fonksiyonlarının kullanımı ve matlab uygulaması (PDF)
- Karışım modeli tabanlı birden fazla yoğunluk fonksiyonunun kullanımı ve Matlab uygulaması (GMM)
- Olasılıksal karışım fonksiyonlarının sınıflama işlemleri ve Matlab Uygulaması
Umarım size aktarmak istediğim bu bilgileri bir ömür boyu kullanırsınız.
What You Will Learn!
- Yapay Zeka, Makine Öğrenmesi, Temel yazılım öğelerini kullanarak (for, if, else) makine öğrenmesindeki teorilerin uygulanması, Makina öğrenmesinin felsefesi ve bulunuşu
Who Should Attend!
- Başlangıç düzeyinde Makine Öğrenmesi öğrenmek isteyen kişiler
- Hazır kodlar yerine bütün eğitim ve veriseti oluşturma kodlarına hakim olmak isteyenler
- Teorik olarak matematiksel formların uygulamasını hazır kütüphane kullanmadan yapmak isteyenler