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
Yazar Hakkında
1983 yılında İzmit’te dünyaya gelmiştir. Lisans ve yüksek lisans eğitimlerini Bilgisayar Mühendisliği Bölümünde tamamlamıştır. Sakarya Üniversitesi Bilgisayar ve Bilişim Mühendisliği Anabilim Dalında doktora eğitimi alarak doktor unvanını almıştır.
2005 yılından itibaren akademisyenlik yapmış, çeşitli üniversitelerde yapay zekâ konuları dışında bilgisayar mühendisliği temelinde dersler vermiştir. Beykent Üniversitesi Mühendislik-Mimarlık Fakültesi Bilgisayar Mühendisliği Bölümünde öğretim üyesi olarak görev alan Atınç Yılmaz, aynı zamanda Beykent Üniversitesinde Bilgisayar Mühendisliği (Türkçe) Bölümü, Bölüm Başkanlığı görevlerini sürdürmektedir.
