Yapay Zeka & Makine Öğrenmesi

🤖 Yapay Zeka & Makine Öğrenmesi ile Yolculuk ACH Akademi tarafından sunulan bu eğitim, veri analizi, algoritma tasarımı ve model geliştirme konularında kapsamlı bir öğrenme deneyimi sağlar.
Sıfırdan başlayan katılımcılara temel kavramları öğretirken, ileri seviye katılımcılar için derin öğrenme ve optimizasyon tekniklerine kadar geniş bir içerik sunar.

🎯 Eğitim Hedefleri

• Katılımcılara yapay zeka prensiplerini öğretmek
• Gerçek veri setleriyle makine öğrenmesi modelleri geliştirme yeteneği kazandırmak
• Python, TensorFlow ve Scikit-Learn kütüphanelerinde pratik deneyim sağlamak
• Proje temelli öğrenme ile uygulama becerisi kazandırmak

🧠 Eğitim Modülleri

Modül 1: Yapay Zekaya Giriş

• Yapay zekanın temel kavramları ve tarihçesi
• AI türleri: Dar AI, Genel AI ve Otonom Sistemler
• Günlük hayatta ve endüstride yapay zeka örnekleri
• AI’nin etik ve sosyal etkileri

Modül 2: Makine Öğrenmesinin Temelleri

• Denetimli öğrenme (supervised learning) ve denetimsiz öğrenme (unsupervised learning)
• Veri seti hazırlama, eğitim ve test setleri oluşturma
• Model seçimi, eğitim süreci ve performans ölçütleri
• Doğrulama yöntemleri: K-fold cross-validation ve hiperparametre optimizasyonu

Modül 3: Python ile Uygulamalı Çalışmalar

• Veri ön işleme: Eksik veriler, normalizasyon, standartlaştırma
• Veri görselleştirme: Matplotlib ve Seaborn ile grafikler
• Regresyon modelleri: Lineer ve lojistik regresyon uygulamaları
• Sınıflandırma ve kümeleme algoritmaları: KNN, Decision Tree, K-Means
• Model değerlendirme metrikleri: Accuracy, Precision, Recall, F1-Score

Modül 4: Derin Öğrenme (Deep Learning)

• Yapay sinir ağlarının mantığı ve temel bileşenleri
• Aktivasyon fonksiyonları, ileri beslemeli ağlar ve geri yayılım (backpropagation)
• TensorFlow ve Keras ile model oluşturma ve eğitme
• Overfitting ve underfitting sorunları, Dropout ve Regularization teknikleri
• CNN ve RNN modellerine giriş ve uygulama örnekleri

Modül 5: Proje ve Değerlendirme

• Gerçek veri seti ile bireysel veya grup proje çalışması
• Veri ön işleme, model seçimi ve hiperparametre ayarlamaları
• Model performans analizi, sonuçların yorumlanması ve raporlama
• Proje sunumu ve eğitmen geri bildirimi

📈 Kazanımlar

• Gerçek dünyada kullanılabilir AI ve ML modelleri geliştirme
• Veri bilimi projelerinde aktif rol alabilme
• Endüstride aranan beceriler: veri analizi, modelleme, optimizasyon

"Yapay zeka geleceği değil, bugünü şekillendiriyor.
Bu eğitim, sizi o geleceğe bir adım daha yaklaştırır."