Bu eğitim, katılımcılara yapay zeka (AI) ve makine öğrenmesi (ML) teknolojilerinin temel prensiplerini, algoritmalarını, uygulama alanlarını ve stratejik önemini öğretmeyi amaçlar. Katılımcıların AI ve ML tekniklerini anlamalarını ve bu teknolojileri çeşitli uygulamalarda nasıl kullanabileceklerini keşfetmelerini sağlar.
Öğrenme Hedefleri
- Yapay zeka ve makine öğrenmesi temel kavramlarını anlamak: AI ve ML'nin ne olduğunu ve nasıl çalıştığını öğrenmek
- Makine öğrenmesi algoritmalarını tanımak: Temel ve ileri seviye ML algoritmalarını anlamak ve kullanabilmek
- Veri hazırlama ve işleme: Veri temizleme, ön işleme ve özellik mühendisliği tekniklerini öğrenmek
- Model geliştirme ve değerlendirme: ML modelleri geliştirme, eğitim, değerlendirme ve iyileştirme süreçlerini kavramak
- Derin öğrenme ve sinir ağları: Derin öğrenme kavramları ve sinir ağlarının yapısını öğrenmek
- AI ve ML uygulama alanları: AI ve ML'nin çeşitli sektörlerdeki uygulama alanlarını keşfetmek
- Etik ve sosyal etkiler: AI ve ML'nin etik ve sosyal etkilerini anlamak ve bu konularda bilinçlenmek
- Gerçek hayat uygulamaları ve vaka çalışmaları: AI ve ML uygulamalarının gerçek dünyadaki örneklerini incelemek ve analiz etmek
Eğitim İçeriği
- Giriş ve temel kavramlar: Yapay zeka (AI) ve makine öğrenmesi (ML) nedir; AI ve ML'nin tarihçesi ve gelişimi; AI ve ML'nin işlevi ve önemi
- Makine öğrenmesi algoritmaları: Denetimli öğrenme (supervised learning); denetimsiz öğrenme (unsupervised learning); pekiştirmeli öğrenme (reinforcement learning); temel algoritmalar (regresyon, sınıflandırma, kümeleme vb.)
- Veri hazırlama ve işleme: Veri temizleme ve ön işleme; özellik mühendisliği (feature engineering); veri setlerinin oluşturulması ve yönetimi
- Model geliştirme ve değerlendirme: Model eğitimi ve hiperparametre optimizasyonu; model değerlendirme metrikleri (doğruluk, kesinlik, geri çağırma, F1 skoru vb.); çapraz doğrulama ve model seçimi
- Derin öğrenme ve sinir ağları: Yapay sinir ağlarının (ANN) yapısı; derin öğrenme (Deep Learning) kavramları; konvolüsyonel sinir ağları (CNN) ve yinelemeli sinir ağları (RNN)
- AI ve ML uygulama alanları: Görüntü işleme ve bilgisayarla görme; doğal dil işleme (NLP) ve konuşma tanıma; oyunlar ve simülasyonlar; sağlık, finans, perakende, otomotiv ve daha fazlası
- Etik ve sosyal etkiler: AI ve ML'nin etik sorunları ve çözümleri; bias ve adalet; AI ve ML'nin sosyal etkileri ve sorumluluklar
- AI ve ML araçları ve platformları: Popüler ML kütüphaneleri ve araçları (TensorFlow, PyTorch, Scikit-Learn vb.); bulut tabanlı AI ve ML platformları; uygulama geliştirme ve dağıtım süreçleri
- Gerçek hayat uygulamaları ve vaka çalışmaları: Başarılı AI ve ML projeleri ve uygulamaları; çeşitli sektörlerden örnekler; vaka çalışmaları ve grup tartışmaları
- Pratik uygulamalar ve atölye çalışmaları: AI ve ML modelleri ile pratik uygulamalar; rol oyunları ve simülasyonlar; grup çalışmaları ve projeler
Eğitim Yöntemleri
- Teorik dersler: Yapay zeka ve makine öğrenmesi kavramları ve teknolojileri hakkında detaylı bilgiler
- Pratik uygulamalar: AI ve ML teknikleri ile uygulamalı çalışmalar
- Vaka çalışmaları: Gerçek dünyadan AI ve ML uygulamaları örneklerinin incelenmesi
- Grup çalışmaları: Katılımcıların birlikte çalışarak AI ve ML projeleri geliştirmeleri
- Soru-cevap oturumları: Eğitmen ve katılımcılar arasında etkileşimli tartışmalar
Süre, Katılım ve Sertifikasyon
- Eğitimin içeriği sınıf ortamında yapılacak eğitimler için hazırlanmıştır ve süresi 2 gündür.
- Eğitime katılım en fazla 15 kişi ile sınırlıdır.
- Konuya ilgi duyan herkes katılabilir.
- Eğitime katılanlara Katılım Belgesi verilir.
