Artifical Intelligence Eğitimi

Eğitim Süresi: 3 Gün

1. Yapay Zeka nedir
– Temel tanımlar, terminoloji
– Tarihçe
– Turing Testi

2. Veri ve Öğrenme
– Veri nedir, verinin önemi
– Veri Hazırlığı ve Ön İşleme
– Veri görselleştirme
– Aşırı eğitim, Ezberleme, Verinin Seçimi
– Danışmanlı, Danışmansız ve Takviye Öğrenme

3. Yapay Zeka Problem Tipleri
– Kümeleme
– Sınıflandırma
– Regresyon

4. Makine Öğrenmesi Sınıflandırma ve Kümeleme Yöntemleri
– Doğrusal Regresyon, Lojistik Regresyon
– K en yakın komşu, K ortalamalar
– Karar ağaçları
– Destek vektör makineleri
– Rastgele orman
– Naive Bayes
– Bulanık mantık
– Yapay Sinir Ağları

5. Derin Öğrenme
– Evrişimli Sinir Ağları (CNN)
– Uzun Kısa Vadeli Hafıza Ağları (LSTM)
– Rekurrent Sinir Ağları (RNN)
– Derin Bilişsel Ağlar (DBN)
– Otomatik Kodlayıcılar
– Generative Adversarial Networks (GANs)

6. Performans ve Değerlendirme Ölçütleri
– Model Doğrulama ve Çapraz Doğrulama
– Hipotez Testleri
– Zamansal ve doğruluk performansları
– Ezberleme

7. Yapay Zeka ve Etik
– Toplumsal etkileri
– Hassas veriler
– Etiksel sorunlar
– Ticari kullanımlar
8. Üretken Yapay Zeka
– Temel Mimariler
– CNN ile Görüntü İşleme
– RNN ile Doğal Dil İşleme
– Öğrenme Algoritmaları ve Optimizasyon Yöntemleri
– Üretken Modelleme için Transfer Öğrenme
– Görüntü iyileştirme ve oluşturma
– Doğal dil işleme ve dil üretimi

9. Büyük Dil Modeli
– Dil modelleri terminolojisi
– Doğal dil işleme ve yaklaşımları
– Derin öğrenme ve Dil modeli ilişkisi
– Büyük dil modeli eğitimi
– Dil modeli optimizasyonu

10. Prompt Mühendisliği
– GPT ve Büyük Dil Modelleri Hakkında Genel Bakış
– Etkili ve Verimli Prompt Tasarlama İlkeleri

11. Yapay Zeka ve Makine Öğrenmesi Uygulamaları
– Endüstrideki uygulanan gerçek uygulama örnekleri
– Modelleme örnekleri simülasyonu

12. Yapay Zeka ve Gelecek
– Fırsatlar, tehditler
– Yeni teknolojilerin etkisi
– Yapay zekanın ve üretken yapay zekanın geleceği