Uygulamalı Yapay Zeka Sertifika Programı
Uygulamalı Yapay Zeka Sertifika Programı
Eğitim Hakkında
Eğitim, katılımcıları yapay zeka ve makine öğrenmesi alanlarında derinlemesine bilgi ve pratik becerilerle donatmayı amaçlayan kapsamlı bir eğitim sunmaktadır. Program üç ana modülden oluşmaktadır: Veri Analizi ve Görselleştirme, Makine Öğrenmesi ve Derin Öğrenme. İlk modülde, Python programlama dili kullanarak temel veri analiz ve görselleştirme teknikleri öğrenilirken, ikinci modülde makine öğrenmesi algoritmaları ve model geliştirme süreçleri ele alınmaktadır. Son modülde ise derin öğrenme algoritmaları, neural network, CNN, RNN gibi yapılar ayrıntılı olarak incelenmekte ve projelerle desteklenmektedir. Eğitim boyunca kullanılan popüler kütüphaneler ve araçlar (Pandas, TensorFlow, PyTorch, OpenCV vb.) sayesinde katılımcılar, gerçek dünya problemlerine uygulanabilir çözümler geliştirme yetkinliğine sahip olacaktır. Program ayrıca, bir makine öğrenmesi girişim fikrini geliştirme ve hayata geçirme konularında da rehberlik sunarak, katılımcıların AI projelerini başarılı bir şekilde yönetebilme becerilerini kazandırmaktadır.
Ön Koşul
Herhangi bir programlama dilinde en az 1 yıl tecrübesi bulunan, Python dilinde ve yapay zeka teknik ve teorik temellerinde bilgi sahibi olmak; ayrıca NumPy, Pandas, scikit-learn, PyTorch ve TensorFlow gibi temel kütüphaneler hakkında bilgi ve tecrübe sahibi olmak önerilmektedir.
Eğitim İçeriği
- Genel Bakış
- Yapay Zeka’ya Giriş
- Yapay Zeka Yöntemleri
- Yapay Zeka Terimleri
- Yapay Zeka’nın Çalışma Alanları
- İnsan Modeli Üzerinden Yapay Zeka'yı Kavramak
- Yapay Zeka Uygulamaları Geliştirmek İçin Kullanılan Teknolojiler
- Python Programlama Dili
- Python Programlama Diline Genel Bakış
- Python Geliştirme Ortamının Hazırlanması
- Python Temelleri
- Python ile Nesne Yönelimli Programlama (OOP)
- Python ile Veritabanı İşlemleri
- Python ile Web & API Programlama Temelleri (ML Model Deployment için)
- Makine Öğrenmesi Kütüphaneleri
- Pandas
- Numpy
- Scikit-learn
- TensorFlow
- PyTorch
- Veri Analizi ve Görselleştirme
- Veri Analizi ve Görselleştirmeye Genel Bakış
- Matplotlib Kütüphanesi
- Seaborn Kütüphanesi
- – Doğal Dil İşleme (NLP)
- Doğal Dil İşlemeye Genel Bakış
- NLTK Kütüphanesi
- spaCy Kütüphanesi
- Genel Bakış
- Yapay Zeka’ya Giriş
- Yapay Zeka Yöntemleri
- Yapay Zeka Terimleri
- Yapay Zeka’nın Çalışma Alanları
- İnsan Modeli Üzerinden Yapay Zeka'yı Kavramak
- Yapay Zeka Uygulamaları Geliştirmek İçin Kullanılan Teknolojiler
- Olasılık ve İstatistik
- Data Preprocessing
- Regresyon
- Sınıflandırma
- Makine Öğrenmesi Model Tasarımı
- Makine Öğrenmesi Modeli Geliştirmek
- Proje: Uçtan Uca Makine Öğrenmesi Uygulamaları
- Derin Öğrenmeye Genel Bakış
- Derin Öğrenme Alt Başlık, Algoritma ve Gereksinimleri
- Neural Network’ü Anlamak
- DBM: Deep Boltzmann Machine
- DBN: Deep Belief Networks
- RNN: Recurrent Neural Networks
- LSTM: Long Short-Term Memory Network
- CNN: Convolutional Neural Network
- R-CNN
- Fast R-CNN
- Faster R-CNN
- Mask R-CNN
- Proje: TensorFlow ile Derin Öğrenme
- Proje: PyTorch ile Derin Öğrenme
- Computer Vision
- Temeller
- Computer Vision Araçları
- OpenCV
- Proje: Computer Vision
- Deep Learning ile Computer Vision
- PyTorch + OpenCV
- TensorFlow + OpenCV
- Reinforcement Learning
- Proje: Reinforcement Learning
- Bir Machine Learning Girişim Fikrini Hayata Geçirmek
- Fikir Üretmek!
- Fikir Analizi: Teknik Gerçekliklere Göre Analizi
- Teknik Analiz: Teknik Planlamaların Yapılması ve Hesaplanması
- Teknik Kadro: Proje Tipine Göre Teknik Kadroların Hazırlaması
- Yönetim: AI Proje Yönetimi
- Teknik Ölçekleme: Ürünün Binlerce Anlık Hizmet İçin Ölçeklenmesi
Kazanımlar
- Katılımcıların yapay zeka, veri analizi ve makine öğrenmesi konularında teorik ve uygulamalı bilgi sahibi olmalarını sağlamak
- Python programlama dili ve popüler kütüphanelerle çalışarak veri analizi ve görselleştirme yeteneklerini geliştirmek
- Veri ön işleme, regresyon ve sınıflandırma tekniklerini etkili bir şekilde kullanarak makine öğrenmesi modelleri oluşturmak
- Derin öğrenme algoritmalarını ve neural network yapılarını anlayarak, pratik projelerde uygulayabilme kapasitesini kazandırmak
- TensorFlow ve PyTorch gibi derin öğrenme kütüphanelerini kullanarak karmaşık modellemeler ve analizler gerçekleştirebilmek
- Doğal dil işleme (NLP) teknikleri ve kütüphaneleriyle metin verilerini işleyebilme ve analiz edebilme yetkinliği kazandırmak
- Computer vision teknolojilerini ve OpenCV kütüphanesini kullanarak görsel verilerle çalışabilme becerilerini geliştirmek
- Reinforcement learning teknikleriyle model geliştirme ve bu modelleri gerçek dünya problemlerine uygulama konusunda bilgi sahibi olmak
- Yapay zeka ve makine öğrenmesi projelerinin planlama, yönetim ve teknik ölçeklendirme süreçlerini öğrenmek
- Katılımcıların kendi yapay zeka veya makine öğrenmesi girişim fikirlerini hayata geçirmelerine yardımcı olacak teknik ve yönetimsel bilgi sağlamak
Hedef Kitle
- Yapay Zeka Üzerine Çalışma Sağlayan Tüm Kişiler
- Kendi Sektörü ile Yapay Zekayı Sentezlemek İsteyen Tüm Profesyoneller
- Makine Öğrenmesi Uzmanları
- Full Stack Geliştiriciler
- Python Programcıları
- Veri Bilimcileri
- Veri Analistleri
- Yazılım Mühendisleri
- Teknoloji Tabanlı İş Kurucuları
- IT ve Teknoloji Yöneticileri
- Üst Düzey Yöneticiler
Sertifika
Eğitimlerimize %80 oranında katılım gösterilmesi ve eğitim müfredatına göre uygulanacak sınav/projelerin başarıyla tamamlanması durumunda, eğitimin sonunda dijital ve QR kod destekli “BT Akademi Başarı Sertifikası” verilmektedir.
SEKTÖRÜN GÜVENDİĞİ ÇÖZÜM ORTAĞI
BT Akademi'yi tercih eden 4.000'den fazla kurum yanılmıyor.
