0
Sepetinizde 0 ürün bulunmaktadır.
Sayısallaşma (dijitalleşme) ve teknolojinin yaşamın her alanına nüfuz etmesi sonucu, makine öğrenmesi ve derin öğrenme algoritmaları; matematik, mühendislik, sağlık, ekonomi ve iktisat başta olmak üzere her bilim dalı araştırmacısının bilgi sahibi olması gereken konular haline gelmiştir. Bu nedenle her alandan okuyucu kitlesine hitap etmesi amaçlanarak hazırlanan bu kitap; başta fen, sosyal ve mühendislik alanları olmak üzere her alan için yararlı bir kaynak niteliğindedir. Bu kitapta, geleneksel makine öğrenmesi algoritmaları ve derin öğrenme algoritmalarının matematiksel olarak genel çalışma ilkeleri açıklanarak Python Programlama Dili ile uygulama örnekleri verilmiştir. İlk bölümünde makine öğrenmesi ve derin öğrenme algoritmalarının daha iyi anlaşılabilmesi için gerekli olan matematiksel kavramlar örneklerle ifade edilmektedir. İkinci bölümde, temel Python bilgisine sahip olduğu varsayılarak, bu konuda eksiği olan ya da tekrar ihtiyacı hisseden okuyucuya yararlanabileceği kaynaklar sunularak yol gösterilmektedir. Ayrıca okuyucunun kullanım becerisini geliştirmek amacıyla, veri analizi ve algoritmaların uygulanmasında gerekli Python kütüphaneleri, verilen kodlar üzerinde pratik yapılarak ayrıntılı açıklanmaktadır. Üçüncü bölümde makine öğrenmesinde sıkça kullanılan kavramlar ele alınmaktadır. Dördüncü ve beşinci bölümde sırasıyla makine öğrenmesi ve derin öğrenme algoritmaları Python programlama kod örnekleri de verilerek, konular anlatım ve uygulama yönünden her alandan okuyucuya ulaşabilecek şekilde ele alınmaktadır. Okuyucu bir taraftan algoritmaların işleyiş pratiğini öğrenirken, diğer taraftan Python dilinde yazılmış hazır bir kod parçası ile ilerde kendi verileri için kullanacağı bir şablona erişmiş olmaktadır. Bu iki bölümde ele alınan önemli başlıklar sırasıyla şöyledir: K- En Yakın Komşuluk algoritması, Naive Bayes algoritması, Lojistik Regresyon algoritması, Basit Lineer Regresyon algoritması, Karar Ağaçları algoritması, Rastgele Orman algoritması, Destek Vektör Makineleri algoritması, Birliktelik Analizi algoritması, K-Ortalamalar algoritması, Yapay Sinir Ağları, Evrişimli Sinir Ağları, Özyinelemeli Sinir Ağları, Çekişmeli Üretici Ağlar ve Otomatik Kodlayıcılar. Bölüm 1. Matematiksel Temel Kavramlar 1.1. Matrisler ve Matris İşlemleri 1.2. Determinant 1.3. Metrik Uzaylar 1.4. Vektör Uzayı 1.5. Norm 1.6. İç Çarpım 1.7. Optimizasyon 1.8. Özet 1.9. Çalışma Soruları Bölüm 2. Python ile Veri Analizine Giriş 2.1. Numpy Kütüphanesi Kullanımı 2.2. Pandas Kütüphanesi Kullanımı 2.3. Veri Önişleme 2.4. Özet 2.5. Çalışma Soruları Bölüm 3. Makine Öğrenmesi Temel Kavramlar 3.1. Makine Öğrenmesi 3.1.1. Gözetimli(Denetimli) Öğrenme 3.1.2. Gözetimsiz(Denetimsiz) Öğrenme 3.2. Model Doğrulama 3.2.1. Bekletme Doğrulaması(Hold-Out Validation) 3.2.2. k-Katlı Çapraz Doğrulama (k-Fold Cross Validation) 3.2.3. Bootstrap Örnekleme 3.3. Değerlendirme Metrikleri 3.3.2. ROC Eğrisi(Receiver Operating Characteristic Curve) 3.3.3. Regresyon Metrikleri 3.4. Aşırı Öğrenme(Overfitting) ve Eksik Öğrenme(Underfitting) 3.5. Varyans-Yanlılık Dengesi(Varyans-Bias Trade-Off) 3.6. Veri Önişleme 3.7. Özet 3.8. Çalışma Soruları Bölüm 4. Makine Öğrenmesi Algoritmaları 4.1. k-En Yakın Komşuluk Algoritması (k Nearest Neighbours) 4.2. Naive Bayes Algoritması 4.3. Lojistik Regresyon Algoritması 4.3.1.Parametre Tahmin Yöntemleri 4.3.2. Maksimum Olabilirlik Yöntemi 4.4. Basit Lineer Regresyon Algoritması 4.5. Karar Ağaçları Algoritması 4.5.1. ID3 Algoritması 4.5.2. Gini Algoritması 4.6. Rastgele Orman Algoritması 4.7. Destek Vektör Makineleri Algoritması 4.8. Birliktelik Analizi Algoritması 4.9. K-Ortalamalar (K-Means) Algoritması 4.10. Özet 4.11. Çalışma Soruları Bölüm 5. Derin Öğrenme 5.1. Derin Öğrenmenin Tarihçesi 5.2. Yapay Sinir Ağları 5.2.1. Katmanlar 5.2.2. Aktivasyon Fonksiyonları 5.2.3. Kayıp Fonksiyonları 5.2.4. Optimizasyon Yöntemleri 5.2.4.1. Gradyan Azalma 5.2.4.2. Olasılıksal Gradyan Azalma 5.2.4.3. Mini Bölümlü Gradyan Azalma 5.2.4.4. Adagrad 5.2.4.5. RmsProp 5.2.4.6. Adam 5.2.6. Hiperparametreler 5.2.7. Derin Öğrenme Kütüphaneleri 5.2.8. Yapay Sinir Ağı Uygulaması-Fashion-MNIST Veri Kümesi ile Çoklu Sınıflandırma 5.3. Derin Öğrenme Algoritmaları 5.3.1. Evrişimli Sinir Ağları(Convolutional Neural Network-CNN) 5.3.1.1. Katmanlar 5.3.1.1.1. Evrişim Katmanı (Convolution Layer) 5.3.1.1.2. Havuzlama (Pooling) Katmanı 5.3.1.2. Pytorch ile Evrişimli Sinir Ağı Uygulaması-CIFAR10 Veri Kümesi ile Çoklu Sınıflandırma 5.3.1.3. Tensorflow ile Evrişimli Sinir Ağı Uygulaması-Fotoğraflardan Cinsiyet Tahmini 5.3.2. Özyinelemeli Sinir Ağları(RNN) 5.3.2.1. Özyinelemeli Sinir Ağı Mimarisi 5.3.2.2. Özyinelemeli Sinir Ağı Uygulaması Sinüs Dalgaları Tahminlemesi 5.3.2.3. Uzun-Kısa Dönemli Hafıza (LSTM) 5.3.2.4. Özyinelemeli Sinir Ağı ve LSTM Uygulaması-Türkçe Tweetlerden Duygu Analizi 5.3.3. Çekişmeli Üretici Ağlar(GAN) 5.3.3.1. Çekişmeli Üretici Ağı Mimarisi 5.3.3.2. Çekişmeli Üretici Ağ Uygulaması-MNIST Veri Kümesi ile Sentetik Veri Üretme 5.3.3.3. Derin Evrişimli Çekişmeli Üretici Ağlar(DCGAN) 5.3.4. Otomatik Kodlayıcılar(AutoEncoders) 5.3.4.1. Otomatik Kodlayıcı Mimarisi 5.3.4.2. Otomatik Kodlayıcılar Uygulaması-3 Boyutlu Şekilleri Yeniden Oluşturma 5.3.4.3. Otomatik Kodlayıcılar Uygulaması-Fashion-MNIST Veri Kümesinde Gürültü Giderme (M.D.)
Bu Ürünü Nasıl Buldunuz ?
Ürün İadesi veya Değiştirme Süreci
Siz sayın okuyucularımız, aşağıdaki koşullar altında her zaman iade edebilir veya değiştirme yapabilirsiniz:
Türkiye'nin İnternet kitapçısı TDK; satın aldığınız e-Kitap ve e-Makale hariç diğer tüm fiziksel basılı ürünleri kargo teslim tarihinden itibaren 5 gün içerisinde iade edebilirsiniz. İade tarihi olarak ürünün tarafımıza ulaştığı tarih değil, sizlerin ürünü iade için kargoya verdiğiniz tarih kabul edilir. e-Kitap ve e-Makale gibi sayısal ürünlerin ve açıldığında yeniden orjinali gibi paketlenemeyen bilimsel oyuncakların iadesi kabul edilmemektedir.
İade halinde ürün veya ürünlerin tahrip edilmemiş, kullanılmamış veya orijinal durumunun bozulmamış olması gerekir.
Ambalaj malzemesi eksik veya tahrip olmuş, kullanılmış ürünlerin iadesi kabul edilmemektedir.
İade edilecek ürün veya ürünler ile ilgili faturanın aslı da gönderilmelidir; aksi durumda iade kabul edilmez. İadesi yapılacak ürünlerde iade-gönderme kargo ücreti alıcıya aittir.
Değiştirme işleminde ise iade-gönderme kargo ücreti alıcıya, tekrar gönderme ücreti İnternet kitapçısı TDK'ya aittir.
İade edilen ürün, kargo'da bozulmayacak şekilde yeniden paketlenmelidir; ambalajında bozulma veya ürünün tekrar satılmasını engelleyecek durumlarda iade işlemi uygulanmaz.Ürün iadesi süreci belirtilen koşullar altında başarılı olmuş ise iade bedeli 3 işgünü içerisinde tahsilat yönteminin benzeriyle geri ödenir.
İade etme sürecinde önemli unsurlar:
1) İade etmeyi düşündüğünüz ürünü, aslına benzer şekilde ambalajlayınız.
2) Satın alma sürecinde size verilen fatura ile birlikte geri gönderiniz. İade sürecinde gönderme kargo ücreti alıcıya aittir.
3) İade edilen ürünlerle ilgili geri ödeme üç (3) işgünü içerisinde yapılır; farklı bankalardan dolayı (EFT süresi) bu süre biriki gün uzayabilir.
Değiştirme sürecinde önemli unsurlar:
1) Değiştirmeyi düşündüğünüz ürünü, aslına benzer şekilde ambalajlayınız.
2) Aldığınız ürünü hangi ürünle değiştireceksiniz, o ürünü de normal satıl alma prosedürü ile alınız ve ödeme şeklini "havale" olarak seçiniz. Aldığınız ürünü değiştirmek için gönderirken yeni ürünün sipariş kodunu da yazınız.
3) Değiştirilecek ürünü, yeni ürün bilgisini ve ilk satın alma faturasını birlikte gönderiniz. Değiştirilecek ürünün TDK'ya gönderilmesi kargo ücreti okuyucuya, yeni ürünün okuyucuya gönderilmesi kargo ücreti TDK'ya aittir.
4) Değiştirme sürecinde oluşacak fark okuyucuya yapılacaksa hesabına iade edilir. Oluşan fark TDK içinse okuyucu farkı ödeme şekillerinden birisi ile gerçekleştirir.