Kategoriler
Eser Adı Yazar Yayınevi Açıklama İçindekiler Barkod
Arama  
Ana Sayfa Sipariş Takip Üyelik Yardım İletişim
 
 
Tüm Kategoriler »
Bülten
Ana Sayfa Yapay Zeka Mühendisliği Cilt – 1
   

×
Yapay Zeka Mühendisliği Cilt – 1
Temel Teknik Konular
 (Editör)
Ekim 2024 / 1. Baskı / 400 Syf.
Fiyatı: 550.00 TL
Temin süresi 2-3 gündür.
 
Sepete Ekle
   

Yapay zeka mühendisliği konusundaki bu kitap serisinde, kuramsal bilgiler yanı sıra uygulama örneklerine de yer verilerek geniş kapsamlı bir çalışma ortaya çıkarılmıştır. Okuyucuların farklı bilgi seviyeleri ve ilgi alanları olabileceği gözönüne alınarak kitap serisi üç cilt şeklinde tasarlanmıştır:

Cilt 1. Temel Teknik Konular

Cilt 2. İleri Teknik ve Sosyal Konular

Cilt 3. Vaka Çalışmaları

Serinin ilk cildi olan bu kitabımızda, yapay zeka konusuna güçlü bir başlangıç yapabilmek için gereken tüm teknik konular ve kavramlar açık ve anlaşabilir bir şekilde ele alınmıştır. İhtiyaç duyulan matematiksel alt-yapı, veri bilimi, makine öğrenimi, veri madenciliği, derin öğrenme, doğal dil işleme, robotik uygulama, bilgisayarla görü, yapay öğrenme, olasılık ve stokastik süreçler, yapay zeka hazır kütüphane fonksiyonları ve optimizasyon algoritmaları özel olarak irdelenmiştir. Ayrıca yapay zeka problemlerinin kurgulanmasına ve çözümüne katkı sağlayan veri modelleri de incelenmiştir.

Bu kitap serisi ile, yapay zeka ve ilgili alanlarda çalışmaya başlayan mühendislere, konuya ilgi duyan diğer meslek gruplarına ve bu alanlarda öğretim gören öğrencilere konuyla ilgili alt yapı kazandırılması amaçlanmıştır.

Mühendis bakış açısıyla yaklaştığımız bu kitap serisinde konuların seçimi ve bölümlerin sıralanması ciddi bir senaryo akışında eğitici metodoloji ile hazırlanmıştır. Okuyucu tarafında ise, " kullanılabilir bir ürün çıkartabilmek" kaygısı önplanda tutulmuştur. Ayrıca, yapay zekanın felsefesi, etik ilkeler ve sosyal değerler de gözönüne alınmıştır.

Bölümler, konularına hakim deneyimli akademisyenlerimizin katkılarıyla hazırlandığı için, bu kitaplar hem bir akademik çalışma niteliğinde hem de uygulamacılar için yararlı bir kaynak özelliğindedir.

Konu Başlıkları
Yapay Zeka Mühendisliği Temeli ve Kavramları, Toros Rifat ÇÖLKESEN ~ Prof. Dr.
Veri Bilimi ve Veri Mühendisliği, Gülşen AKMAN ~ Prof. Dr.
Yapay Zekada Matematiksel Temeller ve Ayrık Matematik, Süleyman EKEN ~ Doç. Dr.
Yapay Zeka Veri Yapıları ve Algoritmalar, Toros Rifat ÇÖLKESEN ~ Prof. Dr.
Biçimsel Diller ve Özdevinirler, Mehmet KARAKÖSE ~ Prof. Dr.
Makine Öğrenmesi Konusu, Hüseyin ÇAKIR ~ Doç. Dr.
Veri Madenciliği Konusu, Seniye Ümit FIRAT ~ Prof. Dr.
Derin Öğrenme Konusu, Sami EKİCİ ~ Prof. Dr.
Yapay Öğrenme, Atınç YILMAZ ~ Doç. Dr.
Yapay Zekada Kullanılan Diller ve Kütüphaneler, Turgay Tugay BİLGİN ~ Prof. Dr.
Robotik Özellikler ve Kontrol Mühendisliği Uygulamaları, Ercan KÖSE ~ Doç. Dr.
Görsel Algı ve Bilgisayarla Görme, Emre DANDIL ~ Doç. Dr.
Yapay Zeka Optimizasyon Algoritmaları, Ahmet Cevahir ÇINAR ~ Doç. Dr.
Yapay Zekada Olasılık Teorisi ve Stokastik Süreçler, Hasan Hüseyin KARAOĞLU ~ Dr., Ender Mete EKŞİOĞLU ~ Prof. Dr. ve Ahmet Hamdi KAYRAN ~ Prof. Dr.
Barkod: 9786256701045
 Yayın Tarihi: Ekim 2024
Baskı Sayısı:  1
 Ebat: 16x24
Sayfa Sayısı: 400
 Yayınevi: Papatya Bilim Yayınevi
Kapak Türü: Karton Kapaklı
Dili: Türkçe
Ekler: -

 

İÇİNDEKİLER
İÇİNDEKİLER ~ Cilt 1  
Önsöz  
Terim Karşılıkları  
Bölüm 1. Yapay Zeka Mühendisliği Temeli ve Kavramları – Editör  
1.1. Yapay Zeka Mühendisliği Kapsamı 22  
1.2. Yapay Zekayı Yakından İlgilendiren Disiplinler 24  
1.3. Doğal Zeka Yapısal Özelliği 23  
1.4. Yapay Zeka Mühendisliğinin Temel Bileşenleri 25  
1.5. Yapay Zeka Üzerine Özel Algoritmalar 26  
1.6. Yapay Öğrenme 28  
1.6.1. Makine Öğrenmesi 28  
1.6.2. Derin Öğrenme ve Yapay Sinir Ağları 29  
1.7. Yapay Zeka Uygulaması Gerçekleştirme Adımları 31  
1.8. Yapay Zeka Mühendisi 32  
1.8.1. Yapay Zeka Mühendisliği Bölüm Öğretim Çıktıları 33  
1.8.2. Yapay Zeka Mühendisliği Meslek Etiği ve Sorumluluğu 35  
1.8.3. Yapay Zeka Mühendisi için Öne Çıkan Matematik Konuları 35  
1.9. Yapay Zeka ve Felsefe 37  
1.10. Bulut Bilişim ve Yapay Zeka 36  
1.11. Yapay Zeka Tarihçesi  
Bölüm 2. Veri Bilimi ve Veri Mühendisliği Gülşen AKMAN ~ Prof. Dr.  
2.1. Veri Bilimi  
2.1.1. Veri Bilimi Süreci 43  
2.1.2. Veri Biliminin Temel Alanları 44  
2.1.3.Veri Bilimi Uygulama Alanları 45  
2.1.4. Veri Biliminde Kullanılan Araçlar 46  
2.2. Veri Mühendisliği 46  
2.2.1. Veri Mühendisliği Süreci 47  
2.2.2. Veri Mühendisliği Araçları 48  
2.3. Veri Bilimi ve Veri Mühendisliği  
2.4. Çalışma Sorular  
Bölüm 3. Yapay Zekada Matematiksel Temeller ve Ayrık Matematik Süleyman EKEN ~ Doç. Dr.  
3.1. Yapay Zeka için Temel Matematik  
3.1.1. Doğrusal Cebir 54  
3.1.1.1. Temel Veri Depolama Alanları 54  
3.1.1.2. Temel Vektör İşlemleri 56  
3.1.1.3. Temel Matris İşlemleri 58  
3.1.2. Kalkülüs 62  
3.1.2.1. Türev 62  
3.1.2.2. İntegral 66  
3.2. Ayrık (Discrete) Matematik 67  
3.2.1. Mantık, Boole Cebri ve İspat Yöntemleri 67  
3.2.2. Kümeler 70  
3.2.3. Kombinatorik 71  
3.2.4. Olasılık ve İstatistik 73  
3.2.5. Diğer Ayrık Yapılar 74  
3.3. Özet  
3.4. Çalışma Soruları  
Bölüm 4. Yapay Zeka Veri Yapıları ve Algoritmalar Toros Rifat ÇÖLKESEN ~ Prof. Dr.  
4.1. Veri Modelleri ve Veriler–arasındaki İlişkilerin İfadesi  
4.1.1. Liste (Vektör) ve Bağlantılı Liste Veri Modeli 81  
4.1.2. Ağaç Veri Modeli ve Hiyerarşik İlişkiler 83  
4.1.3. Graf Veri Modeli ve Düğümler–arası İlişkiler Yumağı 85  
4.1.4. Durum Makinası Veri Modeli ve Davranış Modelleme 87  
4.1.5. Veritabanı İlişkisel Veri Modeli 88  
4.1.6. Ağ Bağlantı Veri Modeli 89  
4.2. Yapay Zekada Veri Yapısı 90  
4.3. Yapay Zeka Uygulamalarında Algoritma Konusu 91  
.3.1. Yapay Zeka Üzerine Özel Algoritmalar 91  
4.3.2. Yapay Zeka Üzerine Geliştirilmiş Kütüphaneler 92  
4.3.3. Algoritmaların Zaman ve Alan Karmaşıklığı 93  
4.3.4. Rekürsif Algoritma Tasarımı 96  
4.4. Özet  
4.5. Çalışma Soruları  
Bölüm 5. Biçimsel Diller ve Özdevinirler Mehmet KARAKÖSE ~ Prof. Dr.  
5.1. Genel Kavramlara Bir Bakış  
5.2. Biçimsel Diller 104  
5.2.1. Dil Bilgisi ve Diller 104  
5.3. Özdevinirler 108  
5.3.1. Sonlu Otomatalar 109  
5.3.1.1. Mealy ve Moore Makineleri 109  
5.3.1.2. Deterministik Sonlu Otomata (DFA) 110  
5.3.1.3. Deterministik Olmayan Sonlu Otomatalar (NFA) 113  
5.3.2. Yığıtlı Otomatalar (PDA – Push Down Automata) 115  
5.3.3. Turing Makineler 118  
5.3.4. Bulanık ve Öğrenen Özdevinirler 121  
5.4. Biçimsel Diller ve Özdevinirler için Simülatörler 122  
5.4.1. Otomata Simülatörlerinin Önemi 123  
5.4.2. Otomata Simülatörlerinin Sınıflandırılması 123  
5.4.3. Litaratürde Yer Alan Otomata Simülatörleri 124  
5.5. Biçimsel ve Doğal Dil. Entegrasyonu ve Büyük Dil Modelleri (LLM) 127  
5.5.1. LLM Tabanlı Araçlar 127  
5.5.2. Bağlamdan Bağımsız Dilbilgisi ile İlişkileri 128  
5.5.3. Yığıtlı Özdevinir ile İlişkisi 131  
5.6. Özet  
5.7. Çalışma Soruları  
Bölüm 6. Makine Öğrenmesi Konusu Hüseyin ÇAKIR ~ Doç. Dr.  
6.1. Makine Öğrenmesi Çalışma Süreci  
6.2. Makine Öğrenmesi Türleri 138  
6.2.1. Denetimli Makine Öğrenmesi 139  
6.2.1.1. Sınıflandırma 140  
6.2.1.2. Regresyon 141  
6.2.2. Denetimsiz Makine Öğrenmesi 142  
6.2.2.1. Kümeleme 143  
6.2.2.2. Birliktelik 143  
6.2.2.3. Boyut İndirgeme 144  
6.2.3. Yarı Denetimli Makine Öğrenmesi 144  
6.2.4. Takviyeli Makine Öğrenmesi 144  
6.3. Makine Öğrenmesi Algoritmaları 146  
6.3.1. Doğrusal Regresyon 146  
6.3.2. Lojistik Regresyon 148  
6.3.3. Karar Ağacı ve Rastgele Ormanlar 150  
6.3.4. Naive Bayes Modeli 152  
6.3.5. K–Ortalamalar Kümelemesi 153  
6.3.6. Hiyerarşik Kümeleme 155  
6.3.7. Yapay Sinir Ağları 157  
6.3.8. K–En Yakın Komşu Algoritması 159  
6.3.9. Destek Vektör Makineleri 161  
6.4. Özet  
6.5. Çalışma Sorular  
Bölüm 7. Veri Madenciliği Konusu Seniye Ümit FIRAT ~ Prof. Dr.  
7.1. Veri Madenciliği Alanında Genel Terminoloji ve Tanımlar  
7.2. Bilgi Keşfi Süreci 168  
7.3. Veri Madenciliğinin Yapısı 170  
7.4. Veri Madenciliği ve İş Zekası İlişkisi 171  
7.5. Web Arama Motorlarında Veri Madenciliği 172  
7.6. Veri Madenciliği Modelleri ile Yapılan İşler 173  
7.6.1. Analiz Algoritmaları Bakımından Veri Madenciliği İşleri 174  
7.6.2. Keşfedici Veri Analizi ve Görsel Veri Madenciliği 175  
7.7. Veri Madenciliği Döngüsü 176  
7.8. Veri Madenciliği Teknikleri ve Algoritmaları 178  
7.8.1. Sınıflandırma – Tahmin 178  
7.8.2. Kümeleme Analizi 181  
7.8.3. Birliktelik Kuralı Analizi 185  
7.9. Veri Madenciliği için Yazılım Araçları ve Programlama Dilleri 186  
7.10. Özet  
7.11. Çalışma Soruları  
Bölüm 8. Derin Öğrenme Konusu Sami EKİCİ ~ Prof. Dr.  
8.1. Derin Öğrenmenin Tanımı ve İfadesi 192  
8.1.1. Derin Öğrenmenin Çalışma İlkesi 193  
8.2. Derin Öğrenme Uygulamaları 194  
8.3. Derin Öğrenmenin Kısa Tarihçesi 196  
8.4. Derin Öğrenme Kütüphaneleri 197  
8.4.1. TensorFlow 197  
8.4.2. Keras 197  
8.4.3. PyTorch 198  
8.4.4. Theano 198  
8.4.5. Deeplearning4j (DL4J) 198  
8.4.6. Caffe 198  
8.5. Derin Öğrenme Algoritmaları 198  
8.5.1. Evrişimsel Sinir Ağları (CNN'ler) 199  
8.5.2. Yinelemeli Sinir Ağları (RNN'ler) 199  
8.5.3. Üretken Rekabet Ağları (GAN'lar) 200  
8.5.4. Dönüştürücü Ağlar 201  
8.5.5. Otomatik Kodlayıcılar 202  
8.5.6. Derin İnanç Ağları (DBN’ler) 203  
8.6. Evrişimsel Sinir Ağları (CNN’ler) 203  
8.6.1. Evrişim Katmanı 205  
8.6.2. Havuzlama Katmanı 209  
8.6.3. Düzeltilmiş Doğrusal Birim Fonksiyonu (ReLU) 210  
8.6.4. Tam Bağlantılı Katman 210  
8.6.5. Çıkış Katmanı 211  
8.6.6. İleri Besleme 211  
8.6.7. Geri Yayılım 212  
8.7. Özet  
8.8. Çalışma Soruları  
Bölüm 9. Yapay Öğrenme Atınç YILMAZ ~ Doç. Dr.  
9.1. Tarihçeye Kısa Bir Bakış 219  
9.2. Yapay Öğrenme için Matematiksel İhtiyaçlar 202  
9.2.1. Lineer Cebir 220  
9.2.2. İstatistik ve Olasılık 221  
9.2.3. Optimizasyon 222  
9.2.4. Görüntü İşleme için Gerekli Temeller 222  
9.2.5. Doğal Dil İşleme için Gerekli Temeller 223  
9.3. Üretken Yapay Zeka 223  
9.4. Danışmanlı ve Danışmansız Öğrenme 225  
9.4.1. Danışmanlı Öğrenme 226  
9.4.1.1. Lineer Regresyon 226  
9.4.1.2. Lojistik Regresyon 227  
9.4.1.3. Destek Vektör Makineleri 227  
9.4.1.4. Karar Ağaçları 227  
9.4.1.5. Ansambl 228  
9.4.1.6. Yapay sinir ağları 229  
9.4.2. Danışmansız Öğrenme 230  
9.4.2.1. K–Ortalamalar Yöntemi 231  
9.4.2.2. Yoğunluk Tabanlı Kümeleme – DBSCAN 231  
9.4.2.3. Boyut Azaltma Yöntemleri 232  
9.4.2.4. Gizli Markov Yöntemi 233  
9.4.2.5. Gizli Dirichlet Dağılımı 233  
9.5. Yapay Öğrenme Modellerinin Değerlendirilmesi 233  
9.6. Özet  
9.7. Çalışma Soruları  
Bölüm 10. Yapay Zekada Kullanılan Diller ve Kütüphaneler Turgay Tugay BİLGİN ~ Prof. Dr.  
10.1. Python Programlama Dili ve Yapay Zeka 238  
10.1.1. Yapay Zeka Uygulamalarında Kullanılan Python Kütüphaneleri 238  
10.1.2. Python ile YZ Uygulaması Geliştirmenin Değerlendirilmesi 240  
10.1.3. Python ile Yapay Zekâ Uygulaması Örneği 241  
10.1.4. Yapay Zeka Alanında Python Dilinin Gelecekteki Önemi 242  
10.2. R Programlama Dili ve Yapay Zeka 242  
10.2.1. Yapay Zeka Uygulamalarında Kullanılan R Kütüphaneleri 243  
10.2.2. R ile Yapay Zeka Uygulaması Geliştirmenin Değerlendirilmesi 244  
10.2.3. R ile Yapay Zeka Uygulaması Örneği 244  
10.2.4. Yapay Zeka Alanında R Dilinin Gelecekteki Önemi 246  
10.3. MATLAB ve Yapay Zeka 246  
10.3.1. Yapay Zeka Uygulamaları için MATLAB Kütüphaneleri 247  
10.3.2. MATLAB ile YZ Uygulaması Geliştirmenin Değerlendirilmesi 247  
10.3.3. MATLAB ile Yapay Zekâ Uygulaması Örneği 248  
10.3.4. Yapay Zeka Alanında MATLAB Dilinin Gelecekteki Önemi 249  
10.4. Java ve Yapay Zeka 249  
10.4.1. Yapay Zeka Uygulamasında Kullanılan Java Kütüphaneleri 249  
10.4.2. Java ile Yapay Zeka Uyg. Geliştirmenin Değerlendirmesi 250  
10.4.3. Java ile Yapay Zeka Uygulaması Örneği 251  
10.4.4. Yapay Zekâ Alanında Java Dilinin Gelecekteki Önemi 253  
10.5. Prolog 253  
10.5.1. Yapay Zeka Uygulamasında Kullanılan Prolog Kütüphaneleri 254  
10.5.2. Prolog ile Yapay Zeka Uyg. Geliştirmenin Değerlendirilmesi 255  
10.5.3. Prolog ile Yapay Zeka Uygulaması Örneği 256  
10.5.4. Yapay Zeka Alanında Prolog Dilinin Gelecekteki Önemi 258  
10.6. Diğer Programlama Dilleri  
10.7. Özet  
10.8. Çalışma Soruları  
Bölüm 11. Robotik Özellikler ve Kontrol Mühendisliği Uygulamaları Ercan KÖSE ~ Doç. Dr.  
11.1. Yapay Zekanın Robotikte Sağladığı Temel Özellikler 262  
11.2. Robotik Sistemler 268  
11.3. Yapay Zeka Kontrol Mühendislik Uygulamaları 273  
11.3.1. Yapay Zekanın Mühendislik Uygulamalarına Katkısı 274  
11.3.2. Yapay Zeka Temelli Kontrol Sistemlerin Tasarımı 274  
11.3.3. Yapay Zeka ile Güçlendirilmiş Otomatik Kontrol Sistemleri 275  
11.3.4. Yapay Zeka Kullanım Örnekleri 276  
11.4. Özet  
11.5. Çalışma Soruları  
Bölüm 12. Görsel Algı ve Bilgisayarla Görme Emre DANDIL ~ Doç. Dr.  
12.1. Görsel Algı 293  
12.1.1. Görme Sistemi 294  
12.2. Bilgisayarla Görme 295  
12.2.1. Görüntü Dönüşümü 299  
12.2.2. Görüntü İşleme 304  
12.2.3. Özellik Çıkarma 316  
12.2.4. Bölütleme 318  
12.2.5. Hareket Tespiti ve Takibi 322  
12.2.6. Sınıflandırma 323  
12.2.7. Nesne Tanıma 325  
12.3. Özet  
12.4. Çalışma Soruları  
Bölüm 13. Yapay Zeka Optimizasyon Algoritmaları Ahmet Cevahir ÇINAR ~ Doç. Dr.  
13.1. Klasik Optimizasyon Yöntemleriyle YZOA’nın Kıyaslanması 330  
13.1.1. Klasik Optimizasyon Yöntemlerinin Yetersizlikleri 330  
13.1.2. YZOA’nın Üstünlükleri 330  
13.2. Değişken Türlerine Göre Optimizasyon Problemleri 331  
13.2.1. Sürekli Değişkenli Optimizasyon Problemleri 332  
13.2.2. Kesikli/Ayrık Değişkenli Optimizasyon Problemleri 332  
13.2.3. Karma Değişkenli Optimizasyon Problemleri 332  
13.3. YZOA’nın Genel Çerçevesi 333  
13.4. Ağaç–Tohum Algoritması 334  
3.4.1. Sürekli Ağaç–Tohum Algoritması 334  
13.4.2. Kısıtlı Ağaç–Tohum Algoritması 339  
13.4.3. İkili Ağaç–Tohum Algoritmaları 339  
13.4.3.1. Benzerlik Tabanlı İkili TSA (SimTSA) 340  
13.4.3.2. Mantıksal Kapı Tabanlı İkili TSA (LogicTSA) 344  
13.4.3.3. Benzerlik ve Man. Kapı Tab. İkili TSA (SimLogicTSA) 345  
13.4.4. Kesikli Ağaç–Tohum Algoritması (DTSA) 345  
13.4.4.1. Komşuluk Operatörleri 346  
13.4.4.1.1. Takas Operatörü 346  
13.4.4.1.2. Öteleme Operatörü 346  
13.4.4.1.3. Simetri operatörü 347  
13.4.4.2. DTSA’nın Algoritmik Çerçevesi 347  
13.5. Özet  
13.6. Çalışma Soruları  
Bölüm 14. Yapay Zekada Olasılık Teorisi ve Stokastik Süreçler Hasan Hüseyin KARAOĞLU ~ Dr., Ender Mete EKŞİOĞLU ~ Prof. Dr. ve Ahmet Hamdi KAYRAN ~ Prof. Dr.  
14.1. Olasılık ve Belirsizlik 352  
14.1.1. Belirsizlik Türleri 352  
14.1.2. Olasılık Modelleri 353  
14.1.3. Olasılığın İki Yorumu 354  
14.2. Olasılık Teorisi’nin Temel Kavramları 355  
14.2.1. Olasılık Uzayı 355  
14.2.2. Rastgele Değişken 356  
14.2.3. İstatistik ve Kestirim Yöntemleri 364  
14.2.3.1. Doğrusal Regresyon 365  
14.2.3.2. En Büyük Olabilirlik Kestirimi 366  
14.2.3.3. En Büyük Sonsal Kestirimi 367  
14.2.3.4. En Küçük Ortalama Hata Kestirimi 368  
14.3. Olasılığın Modern Yüzleri 369  
14.3.1. Değişimli Otokodlayıcılar 369  
14.3.2. Üretici Çekişmeli Ağlar 370  
14.3.3. Difüzyon Modelleri 370  
14.4. Özet  
14.4. Çalışma Soruları  
  






 

İÇİNDEKİLER
İÇİNDEKİLER ~ Cilt 1  
Önsöz  
Terim Karşılıkları  
Bölüm 1. Yapay Zeka Mühendisliği Temeli ve Kavramları – Editör  
1.1. Yapay Zeka Mühendisliği Kapsamı 22  
1.2. Yapay Zekayı Yakından İlgilendiren Disiplinler 24  
1.3. Doğal Zeka Yapısal Özelliği 23  
1.4. Yapay Zeka Mühendisliğinin Temel Bileşenleri 25  
1.5. Yapay Zeka Üzerine Özel Algoritmalar 26  
1.6. Yapay Öğrenme 28  
1.6.1. Makine Öğrenmesi 28  
1.6.2. Derin Öğrenme ve Yapay Sinir Ağları 29  
1.7. Yapay Zeka Uygulaması Gerçekleştirme Adımları 31  
1.8. Yapay Zeka Mühendisi 32  
1.8.1. Yapay Zeka Mühendisliği Bölüm Öğretim Çıktıları 33  
1.8.2. Yapay Zeka Mühendisliği Meslek Etiği ve Sorumluluğu 35  
1.8.3. Yapay Zeka Mühendisi için Öne Çıkan Matematik Konuları 35  
1.9. Yapay Zeka ve Felsefe 37  
1.10. Bulut Bilişim ve Yapay Zeka 36  
1.11. Yapay Zeka Tarihçesi  
Bölüm 2. Veri Bilimi ve Veri Mühendisliği Gülşen AKMAN ~ Prof. Dr.  
2.1. Veri Bilimi  
2.1.1. Veri Bilimi Süreci 43  
2.1.2. Veri Biliminin Temel Alanları 44  
2.1.3.Veri Bilimi Uygulama Alanları 45  
2.1.4. Veri Biliminde Kullanılan Araçlar 46  
2.2. Veri Mühendisliği 46  
2.2.1. Veri Mühendisliği Süreci 47  
2.2.2. Veri Mühendisliği Araçları 48  
2.3. Veri Bilimi ve Veri Mühendisliği  
2.4. Çalışma Sorular  
Bölüm 3. Yapay Zekada Matematiksel Temeller ve Ayrık Matematik Süleyman EKEN ~ Doç. Dr.  
3.1. Yapay Zeka için Temel Matematik  
3.1.1. Doğrusal Cebir 54  
3.1.1.1. Temel Veri Depolama Alanları 54  
3.1.1.2. Temel Vektör İşlemleri 56  
3.1.1.3. Temel Matris İşlemleri 58  
3.1.2. Kalkülüs 62  
3.1.2.1. Türev 62  
3.1.2.2. İntegral 66  
3.2. Ayrık (Discrete) Matematik 67  
3.2.1. Mantık, Boole Cebri ve İspat Yöntemleri 67  
3.2.2. Kümeler 70  
3.2.3. Kombinatorik 71  
3.2.4. Olasılık ve İstatistik 73  
3.2.5. Diğer Ayrık Yapılar 74  
3.3. Özet  
3.4. Çalışma Soruları  
Bölüm 4. Yapay Zeka Veri Yapıları ve Algoritmalar Toros Rifat ÇÖLKESEN ~ Prof. Dr.  
4.1. Veri Modelleri ve Veriler–arasındaki İlişkilerin İfadesi  
4.1.1. Liste (Vektör) ve Bağlantılı Liste Veri Modeli 81  
4.1.2. Ağaç Veri Modeli ve Hiyerarşik İlişkiler 83  
4.1.3. Graf Veri Modeli ve Düğümler–arası İlişkiler Yumağı 85  
4.1.4. Durum Makinası Veri Modeli ve Davranış Modelleme 87  
4.1.5. Veritabanı İlişkisel Veri Modeli 88  
4.1.6. Ağ Bağlantı Veri Modeli 89  
4.2. Yapay Zekada Veri Yapısı 90  
4.3. Yapay Zeka Uygulamalarında Algoritma Konusu 91  
.3.1. Yapay Zeka Üzerine Özel Algoritmalar 91  
4.3.2. Yapay Zeka Üzerine Geliştirilmiş Kütüphaneler 92  
4.3.3. Algoritmaların Zaman ve Alan Karmaşıklığı 93  
4.3.4. Rekürsif Algoritma Tasarımı 96  
4.4. Özet  
4.5. Çalışma Soruları  
Bölüm 5. Biçimsel Diller ve Özdevinirler Mehmet KARAKÖSE ~ Prof. Dr.  
5.1. Genel Kavramlara Bir Bakış  
5.2. Biçimsel Diller 104  
5.2.1. Dil Bilgisi ve Diller 104  
5.3. Özdevinirler 108  
5.3.1. Sonlu Otomatalar 109  
5.3.1.1. Mealy ve Moore Makineleri 109  
5.3.1.2. Deterministik Sonlu Otomata (DFA) 110  
5.3.1.3. Deterministik Olmayan Sonlu Otomatalar (NFA) 113  
5.3.2. Yığıtlı Otomatalar (PDA – Push Down Automata) 115  
5.3.3. Turing Makineler 118  
5.3.4. Bulanık ve Öğrenen Özdevinirler 121  
5.4. Biçimsel Diller ve Özdevinirler için Simülatörler 122  
5.4.1. Otomata Simülatörlerinin Önemi 123  
5.4.2. Otomata Simülatörlerinin Sınıflandırılması 123  
5.4.3. Litaratürde Yer Alan Otomata Simülatörleri 124  
5.5. Biçimsel ve Doğal Dil. Entegrasyonu ve Büyük Dil Modelleri (LLM) 127  
5.5.1. LLM Tabanlı Araçlar 127  
5.5.2. Bağlamdan Bağımsız Dilbilgisi ile İlişkileri 128  
5.5.3. Yığıtlı Özdevinir ile İlişkisi 131  
5.6. Özet  
5.7. Çalışma Soruları  
Bölüm 6. Makine Öğrenmesi Konusu Hüseyin ÇAKIR ~ Doç. Dr.  
6.1. Makine Öğrenmesi Çalışma Süreci  
6.2. Makine Öğrenmesi Türleri 138  
6.2.1. Denetimli Makine Öğrenmesi 139  
6.2.1.1. Sınıflandırma 140  
6.2.1.2. Regresyon 141  
6.2.2. Denetimsiz Makine Öğrenmesi 142  
6.2.2.1. Kümeleme 143  
6.2.2.2. Birliktelik 143  
6.2.2.3. Boyut İndirgeme 144  
6.2.3. Yarı Denetimli Makine Öğrenmesi 144  
6.2.4. Takviyeli Makine Öğrenmesi 144  
6.3. Makine Öğrenmesi Algoritmaları 146  
6.3.1. Doğrusal Regresyon 146  
6.3.2. Lojistik Regresyon 148  
6.3.3. Karar Ağacı ve Rastgele Ormanlar 150  
6.3.4. Naive Bayes Modeli 152  
6.3.5. K–Ortalamalar Kümelemesi 153  
6.3.6. Hiyerarşik Kümeleme 155  
6.3.7. Yapay Sinir Ağları 157  
6.3.8. K–En Yakın Komşu Algoritması 159  
6.3.9. Destek Vektör Makineleri 161  
6.4. Özet  
6.5. Çalışma Sorular  
Bölüm 7. Veri Madenciliği Konusu Seniye Ümit FIRAT ~ Prof. Dr.  
7.1. Veri Madenciliği Alanında Genel Terminoloji ve Tanımlar  
7.2. Bilgi Keşfi Süreci 168  
7.3. Veri Madenciliğinin Yapısı 170  
7.4. Veri Madenciliği ve İş Zekası İlişkisi 171  
7.5. Web Arama Motorlarında Veri Madenciliği 172  
7.6. Veri Madenciliği Modelleri ile Yapılan İşler 173  
7.6.1. Analiz Algoritmaları Bakımından Veri Madenciliği İşleri 174  
7.6.2. Keşfedici Veri Analizi ve Görsel Veri Madenciliği 175  
7.7. Veri Madenciliği Döngüsü 176  
7.8. Veri Madenciliği Teknikleri ve Algoritmaları 178  
7.8.1. Sınıflandırma – Tahmin 178  
7.8.2. Kümeleme Analizi 181  
7.8.3. Birliktelik Kuralı Analizi 185  
7.9. Veri Madenciliği için Yazılım Araçları ve Programlama Dilleri 186  
7.10. Özet  
7.11. Çalışma Soruları  
Bölüm 8. Derin Öğrenme Konusu Sami EKİCİ ~ Prof. Dr.  
8.1. Derin Öğrenmenin Tanımı ve İfadesi 192  
8.1.1. Derin Öğrenmenin Çalışma İlkesi 193  
8.2. Derin Öğrenme Uygulamaları 194  
8.3. Derin Öğrenmenin Kısa Tarihçesi 196  
8.4. Derin Öğrenme Kütüphaneleri 197  
8.4.1. TensorFlow 197  
8.4.2. Keras 197  
8.4.3. PyTorch 198  
8.4.4. Theano 198  
8.4.5. Deeplearning4j (DL4J) 198  
8.4.6. Caffe 198  
8.5. Derin Öğrenme Algoritmaları 198  
8.5.1. Evrişimsel Sinir Ağları (CNN'ler) 199  
8.5.2. Yinelemeli Sinir Ağları (RNN'ler) 199  
8.5.3. Üretken Rekabet Ağları (GAN'lar) 200  
8.5.4. Dönüştürücü Ağlar 201  
8.5.5. Otomatik Kodlayıcılar 202  
8.5.6. Derin İnanç Ağları (DBN’ler) 203  
8.6. Evrişimsel Sinir Ağları (CNN’ler) 203  
8.6.1. Evrişim Katmanı 205  
8.6.2. Havuzlama Katmanı 209  
8.6.3. Düzeltilmiş Doğrusal Birim Fonksiyonu (ReLU) 210  
8.6.4. Tam Bağlantılı Katman 210  
8.6.5. Çıkış Katmanı 211  
8.6.6. İleri Besleme 211  
8.6.7. Geri Yayılım 212  
8.7. Özet  
8.8. Çalışma Soruları  
Bölüm 9. Yapay Öğrenme Atınç YILMAZ ~ Doç. Dr.  
9.1. Tarihçeye Kısa Bir Bakış 219  
9.2. Yapay Öğrenme için Matematiksel İhtiyaçlar 202  
9.2.1. Lineer Cebir 220  
9.2.2. İstatistik ve Olasılık 221  
9.2.3. Optimizasyon 222  
9.2.4. Görüntü İşleme için Gerekli Temeller 222  
9.2.5. Doğal Dil İşleme için Gerekli Temeller 223  
9.3. Üretken Yapay Zeka 223  
9.4. Danışmanlı ve Danışmansız Öğrenme 225  
9.4.1. Danışmanlı Öğrenme 226  
9.4.1.1. Lineer Regresyon 226  
9.4.1.2. Lojistik Regresyon 227  
9.4.1.3. Destek Vektör Makineleri 227  
9.4.1.4. Karar Ağaçları 227  
9.4.1.5. Ansambl 228  
9.4.1.6. Yapay sinir ağları 229  
9.4.2. Danışmansız Öğrenme 230  
9.4.2.1. K–Ortalamalar Yöntemi 231  
9.4.2.2. Yoğunluk Tabanlı Kümeleme – DBSCAN 231  
9.4.2.3. Boyut Azaltma Yöntemleri 232  
9.4.2.4. Gizli Markov Yöntemi 233  
9.4.2.5. Gizli Dirichlet Dağılımı 233  
9.5. Yapay Öğrenme Modellerinin Değerlendirilmesi 233  
9.6. Özet  
9.7. Çalışma Soruları  
Bölüm 10. Yapay Zekada Kullanılan Diller ve Kütüphaneler Turgay Tugay BİLGİN ~ Prof. Dr.  
10.1. Python Programlama Dili ve Yapay Zeka 238  
10.1.1. Yapay Zeka Uygulamalarında Kullanılan Python Kütüphaneleri 238  
10.1.2. Python ile YZ Uygulaması Geliştirmenin Değerlendirilmesi 240  
10.1.3. Python ile Yapay Zekâ Uygulaması Örneği 241  
10.1.4. Yapay Zeka Alanında Python Dilinin Gelecekteki Önemi 242  
10.2. R Programlama Dili ve Yapay Zeka 242  
10.2.1. Yapay Zeka Uygulamalarında Kullanılan R Kütüphaneleri 243  
10.2.2. R ile Yapay Zeka Uygulaması Geliştirmenin Değerlendirilmesi 244  
10.2.3. R ile Yapay Zeka Uygulaması Örneği 244  
10.2.4. Yapay Zeka Alanında R Dilinin Gelecekteki Önemi 246  
10.3. MATLAB ve Yapay Zeka 246  
10.3.1. Yapay Zeka Uygulamaları için MATLAB Kütüphaneleri 247  
10.3.2. MATLAB ile YZ Uygulaması Geliştirmenin Değerlendirilmesi 247  
10.3.3. MATLAB ile Yapay Zekâ Uygulaması Örneği 248  
10.3.4. Yapay Zeka Alanında MATLAB Dilinin Gelecekteki Önemi 249  
10.4. Java ve Yapay Zeka 249  
10.4.1. Yapay Zeka Uygulamasında Kullanılan Java Kütüphaneleri 249  
10.4.2. Java ile Yapay Zeka Uyg. Geliştirmenin Değerlendirmesi 250  
10.4.3. Java ile Yapay Zeka Uygulaması Örneği 251  
10.4.4. Yapay Zekâ Alanında Java Dilinin Gelecekteki Önemi 253  
10.5. Prolog 253  
10.5.1. Yapay Zeka Uygulamasında Kullanılan Prolog Kütüphaneleri 254  
10.5.2. Prolog ile Yapay Zeka Uyg. Geliştirmenin Değerlendirilmesi 255  
10.5.3. Prolog ile Yapay Zeka Uygulaması Örneği 256  
10.5.4. Yapay Zeka Alanında Prolog Dilinin Gelecekteki Önemi 258  
10.6. Diğer Programlama Dilleri  
10.7. Özet  
10.8. Çalışma Soruları  
Bölüm 11. Robotik Özellikler ve Kontrol Mühendisliği Uygulamaları Ercan KÖSE ~ Doç. Dr.  
11.1. Yapay Zekanın Robotikte Sağladığı Temel Özellikler 262  
11.2. Robotik Sistemler 268  
11.3. Yapay Zeka Kontrol Mühendislik Uygulamaları 273  
11.3.1. Yapay Zekanın Mühendislik Uygulamalarına Katkısı 274  
11.3.2. Yapay Zeka Temelli Kontrol Sistemlerin Tasarımı 274  
11.3.3. Yapay Zeka ile Güçlendirilmiş Otomatik Kontrol Sistemleri 275  
11.3.4. Yapay Zeka Kullanım Örnekleri 276  
11.4. Özet  
11.5. Çalışma Soruları  
Bölüm 12. Görsel Algı ve Bilgisayarla Görme Emre DANDIL ~ Doç. Dr.  
12.1. Görsel Algı 293  
12.1.1. Görme Sistemi 294  
12.2. Bilgisayarla Görme 295  
12.2.1. Görüntü Dönüşümü 299  
12.2.2. Görüntü İşleme 304  
12.2.3. Özellik Çıkarma 316  
12.2.4. Bölütleme 318  
12.2.5. Hareket Tespiti ve Takibi 322  
12.2.6. Sınıflandırma 323  
12.2.7. Nesne Tanıma 325  
12.3. Özet  
12.4. Çalışma Soruları  
Bölüm 13. Yapay Zeka Optimizasyon Algoritmaları Ahmet Cevahir ÇINAR ~ Doç. Dr.  
13.1. Klasik Optimizasyon Yöntemleriyle YZOA’nın Kıyaslanması 330  
13.1.1. Klasik Optimizasyon Yöntemlerinin Yetersizlikleri 330  
13.1.2. YZOA’nın Üstünlükleri 330  
13.2. Değişken Türlerine Göre Optimizasyon Problemleri 331  
13.2.1. Sürekli Değişkenli Optimizasyon Problemleri 332  
13.2.2. Kesikli/Ayrık Değişkenli Optimizasyon Problemleri 332  
13.2.3. Karma Değişkenli Optimizasyon Problemleri 332  
13.3. YZOA’nın Genel Çerçevesi 333  
13.4. Ağaç–Tohum Algoritması 334  
3.4.1. Sürekli Ağaç–Tohum Algoritması 334  
13.4.2. Kısıtlı Ağaç–Tohum Algoritması 339  
13.4.3. İkili Ağaç–Tohum Algoritmaları 339  
13.4.3.1. Benzerlik Tabanlı İkili TSA (SimTSA) 340  
13.4.3.2. Mantıksal Kapı Tabanlı İkili TSA (LogicTSA) 344  
13.4.3.3. Benzerlik ve Man. Kapı Tab. İkili TSA (SimLogicTSA) 345  
13.4.4. Kesikli Ağaç–Tohum Algoritması (DTSA) 345  
13.4.4.1. Komşuluk Operatörleri 346  
13.4.4.1.1. Takas Operatörü 346  
13.4.4.1.2. Öteleme Operatörü 346  
13.4.4.1.3. Simetri operatörü 347  
13.4.4.2. DTSA’nın Algoritmik Çerçevesi 347  
13.5. Özet  
13.6. Çalışma Soruları  
Bölüm 14. Yapay Zekada Olasılık Teorisi ve Stokastik Süreçler Hasan Hüseyin KARAOĞLU ~ Dr., Ender Mete EKŞİOĞLU ~ Prof. Dr. ve Ahmet Hamdi KAYRAN ~ Prof. Dr.  
14.1. Olasılık ve Belirsizlik 352  
14.1.1. Belirsizlik Türleri 352  
14.1.2. Olasılık Modelleri 353  
14.1.3. Olasılığın İki Yorumu 354  
14.2. Olasılık Teorisi’nin Temel Kavramları 355  
14.2.1. Olasılık Uzayı 355  
14.2.2. Rastgele Değişken 356  
14.2.3. İstatistik ve Kestirim Yöntemleri 364  
14.2.3.1. Doğrusal Regresyon 365  
14.2.3.2. En Büyük Olabilirlik Kestirimi 366  
14.2.3.3. En Büyük Sonsal Kestirimi 367  
14.2.3.4. En Küçük Ortalama Hata Kestirimi 368  
14.3. Olasılığın Modern Yüzleri 369  
14.3.1. Değişimli Otokodlayıcılar 369  
14.3.2. Üretici Çekişmeli Ağlar 370  
14.3.3. Difüzyon Modelleri 370  
14.4. Özet  
14.4. Çalışma Soruları  
  


 
Kitap
Bülten
Kitap
Kitap
İndirimli Kitaplar
 
 
Ana Sayfa | 2021 Kaynakça Dokümanı | Hakkımızda | Bülten | Kişisel Verilerin Korunması | Yardım | İletişim

Seçkin Yayıncılık San. Tic. A.Ş.
Copyright © 1996 - 2024