kodları hep "bunu boşver" ," buna takılma", "bu önemsiz" diye diye geçeceksin sandım bu videoya kadar. Sonunda başlıyoruz heyecan dorukta jhafdjkasd :)
"Biz burada Türkiye'de C++'dan öteye geçemezken adamların TensorFlow dersi vermesi..." sözü ülkenin içinde bulunduğu vahim durumun sebebini açıklar nitelikte olmuş.
5 років тому+1
Bilkent'te de Tensorflow/PyTorch dersi veriliyor. Hatta CNN modellerini ve diğer ML modelleriini kütüphanesiz sadeceNumPy ile kodlattılar. Türkiye'de de iyi okullar üstüne düşüyor. Fakat genel olarak geride kalmak üzücü. PyTorch'u, Tensorflow'u yapanlar aynı üni.de hocalar. Çok da umutsuz olmamak lazım
Hocam böyle kodların ne işe yaradığını ve bu kodların nasıl kullanıldığını örneklerle açıklarsanız çok daha iyi olur ve video için ellerinize sağlık :)
Merhaba Hocam; 24 ve 25.nci videolarınız için dürüstçe bir yorumda bulunayım: Söyledikleriniz, bir Yapbozun parçaları gibi, çeşitli büyüklüklerde ve çeşitli şekillerde, MATRIX'deki ağır çekim gibi havada yavaş bir şekilde dönerek, arada birbirine de toslayarak, sağa sola hareket ediyorlar! Biz de bunların arasında, ne olduğunu anlamaya çalışarak yavaşça yürüyoruz! Aralarında bağlantı kurabileceğimiz şeyleri söylemediğiniz için böyle. Sonuç olarak: Hiçbi şey anlaşılmıyor. Sözlerinizi, birbirine bağlayabileceğimiz şeyleri de ekleyerek söylerseniz, BÜTÜNÜ kavrayabilir, anlayabiliriz :) Kolaylıklar ve başarılar dilerim.
7 років тому+3
Şöyle söyleyeyim. Lineer regresyonda hedefe gitmek için 1 kere mx+b yapıyorsunuz. Ve mantıklı geliyor. Şimdiise bunun yüzlercesi ile uğraşınca biraz soyut geliyor. Açıklaması zor, şu videoyu da izlerseniz, ben kısacası bunu anlattım: ua-cam.com/video/i6ECFrV_BVA/v-deo.html , matematik olarak böyle, nasıl anladığı konusu ise net gelmiyor insana evet, ama lineer regresyondaki mx+b deki m leri ve b leri güncellemekten farkı yok.
Merhaba Hocam; 'Yorum' konusunda size haksızlık ettiğimi düşünüyorsanız, kusuruma bakmayın, özür dilerim. Sadece olumlu katkı sağlamaya çalışıyorum. Kötü bir niyetim yok :) Linkini verdiğiniz video ve o UA-cam Sayfasında bulunan diğer videoların yararı oldu gerçekten. Ayrıca, şu sitede, 'mx+b' konusunda hakkaten ilginç bir uygulama yapmışlar. Bir bakmanızı rica edeceğim: >>> www.mathsisfun.com/data/straight_line_graph.html Kolay gelsin.
7 років тому+2
ender doğan yok estagfurullah haklisiniz. anlamasi kolay degil bu konuyu, siz anlatmasini dusunun bide. anlatmasi daha da zor. ama asacagiz daha tensorflow icin cok video cekmedim.
7 років тому+4
Amacımız her zaman bize gelen verileri, verilerin sonuclarına götüren tahmin modeli oluşturmak. Siz ilerden bir nesneye 100 metre geriden baktığınızda onun mesela masa olduğunu görür ve düşünürsünüz. Neden? Çünkü hayatınızda 1000'lerce masa gördünüz ve ona benzettiniz. Ama bu hala tahmindir. Yaklaştıkça bunun masa değil de başka bir şey olduğunu görebilirsiniz. Sayıları tahmin ettirdiğimiz örnekte, tıpkı bizim binlerce tüm rakamları gördüğümüz gibi, programımız da binlerce tüm rakamları inceliyor ve analiz ediyor. Birinin el yazısını görüp yazdığı rakamı tespit ettiğinizde, siz de bir insan olarak gördüğünüz binlerce 6'dan elde ettiğiniz sonuçlara göre o rakama 6 dersiniz. Tıpkı programımıza da her rakamdan 5500 tane 6 rakamını analiz ettirdiğimiz gibi. Ve program yüzde olarak belli bir oranda 6 der o rakama. Siz de öyle dersiniz, ama insan olarak bizim beynimiz daha gelişmiş olduğu için biz daha hızlı ve daha çabuk karar verip analiz yapabiliyoruz. Arada programda kullandığımız tüm sinir hücreleri de, bizleri taklit etmeye çalışıyor. Verisetine göre, bir sonuç elde etmeye çalışıyor. Bizim insan olarak verisetini düzenlemeye ihtiyacımız olmuyor, yani 6 rakamını matrise çevirmenize gerek kalmıyor. Ya da 6 rakamının yazıldığı yüzeyin tamamen beyaz olması gerekmiyor. Bunun için de Yapay sinir ağları'nda hem verisetini programa düzgün sonuçlar verecek şekilde düzeltmeli, hem de en iyi sonucu verecek modeli oluşturmalıyız. Bundan sonraki videolarda ise, TensorFlow'u Stanford Üni'nin slaytlarından hem de yandan kodlayarak anlatacağım. Biraz uzun sürecek. Yapay Sinir Ağları'nı tamamen TensorFlow üzerinden devam etmek istiyorum. Elime de çok güzel bir kaynak geçti Stanford'un kaynağı. 10 video kadar TensorFlow/YapaySinirAğları çekmek istiyorum. Hayallerimden biri de GTA Vice City oyunundaki arabaları kendi kendini sürecek şekilde eğitmek olacak. Örneği var GTA 5 için, ben de Vice City'e deneyeceğim. Ama sanırım o iş için 30 Mayıs'dan sonrasını bekleyeceğim.
kodları hep "bunu boşver" ," buna takılma", "bu önemsiz" diye diye geçeceksin sandım bu videoya kadar. Sonunda başlıyoruz heyecan dorukta jhafdjkasd :)
"Biz burada Türkiye'de C++'dan öteye geçemezken adamların TensorFlow dersi vermesi..." sözü ülkenin içinde bulunduğu vahim durumun sebebini açıklar nitelikte olmuş.
Bilkent'te de Tensorflow/PyTorch dersi veriliyor. Hatta CNN modellerini ve diğer ML modelleriini kütüphanesiz sadeceNumPy ile kodlattılar. Türkiye'de de iyi okullar üstüne düşüyor. Fakat genel olarak geride kalmak üzücü. PyTorch'u, Tensorflow'u yapanlar aynı üni.de hocalar. Çok da umutsuz olmamak lazım
Hocam böyle kodların ne işe yaradığını ve bu kodların nasıl kullanıldığını örneklerle açıklarsanız çok daha iyi olur ve video için ellerinize sağlık :)
Kaç gündür video bekliyoruz :) haberiniz olsun
Serkan Özaydın Cok degisik bir ornek gelecek, ama zor bir ornek olacak. Simdi bir video atiyorum. Umarim basaririm o yapacsgimi. cok tesekkurler.
sanırım uyumadan önce çektiniz videoyu
Zekisin
Makine Öğrenmesi 😁
Merhaba Hocam;
24 ve 25.nci videolarınız için dürüstçe bir yorumda bulunayım:
Söyledikleriniz, bir Yapbozun parçaları gibi, çeşitli büyüklüklerde
ve çeşitli şekillerde, MATRIX'deki ağır çekim gibi havada yavaş bir şekilde
dönerek, arada birbirine de toslayarak, sağa sola hareket ediyorlar!
Biz de bunların arasında, ne olduğunu anlamaya çalışarak yavaşça yürüyoruz!
Aralarında bağlantı kurabileceğimiz şeyleri söylemediğiniz için böyle.
Sonuç olarak: Hiçbi şey anlaşılmıyor.
Sözlerinizi, birbirine bağlayabileceğimiz şeyleri de ekleyerek söylerseniz,
BÜTÜNÜ kavrayabilir, anlayabiliriz :)
Kolaylıklar ve başarılar dilerim.
Şöyle söyleyeyim. Lineer regresyonda hedefe gitmek için 1 kere mx+b yapıyorsunuz. Ve mantıklı geliyor. Şimdiise bunun yüzlercesi ile uğraşınca biraz soyut geliyor. Açıklaması zor, şu videoyu da izlerseniz, ben kısacası bunu anlattım:
ua-cam.com/video/i6ECFrV_BVA/v-deo.html , matematik olarak böyle, nasıl anladığı konusu ise net gelmiyor insana evet, ama lineer regresyondaki mx+b deki m leri ve b leri güncellemekten farkı yok.
Merhaba Hocam;
'Yorum' konusunda size haksızlık ettiğimi düşünüyorsanız, kusuruma bakmayın, özür dilerim. Sadece olumlu katkı sağlamaya çalışıyorum. Kötü bir niyetim yok :)
Linkini verdiğiniz video ve o UA-cam Sayfasında bulunan diğer videoların yararı oldu gerçekten.
Ayrıca, şu sitede, 'mx+b' konusunda hakkaten ilginç bir uygulama yapmışlar. Bir bakmanızı rica edeceğim:
>>> www.mathsisfun.com/data/straight_line_graph.html
Kolay gelsin.
ender doğan yok estagfurullah haklisiniz. anlamasi kolay degil bu konuyu, siz anlatmasini dusunun bide. anlatmasi daha da zor. ama asacagiz daha tensorflow icin cok video cekmedim.
Amacımız her zaman bize gelen verileri, verilerin sonuclarına götüren tahmin modeli oluşturmak. Siz ilerden bir nesneye 100 metre geriden baktığınızda onun mesela masa olduğunu görür ve düşünürsünüz. Neden? Çünkü hayatınızda 1000'lerce masa gördünüz ve ona benzettiniz. Ama bu hala tahmindir. Yaklaştıkça bunun masa değil de başka bir şey olduğunu görebilirsiniz. Sayıları tahmin ettirdiğimiz örnekte, tıpkı bizim binlerce tüm rakamları gördüğümüz gibi, programımız da binlerce tüm rakamları inceliyor ve analiz ediyor. Birinin el yazısını görüp yazdığı rakamı tespit ettiğinizde, siz de bir insan olarak gördüğünüz binlerce 6'dan elde ettiğiniz sonuçlara göre o rakama 6 dersiniz. Tıpkı programımıza da her rakamdan 5500 tane 6 rakamını analiz ettirdiğimiz gibi. Ve program yüzde olarak belli bir oranda 6 der o rakama. Siz de öyle dersiniz, ama insan olarak bizim beynimiz daha gelişmiş olduğu için biz daha hızlı ve daha çabuk karar verip analiz yapabiliyoruz. Arada programda kullandığımız tüm sinir hücreleri de, bizleri taklit etmeye çalışıyor. Verisetine göre, bir sonuç elde etmeye çalışıyor.
Bizim insan olarak verisetini düzenlemeye ihtiyacımız olmuyor, yani 6 rakamını matrise çevirmenize gerek kalmıyor. Ya da 6 rakamının yazıldığı yüzeyin tamamen beyaz olması gerekmiyor. Bunun için de Yapay sinir ağları'nda hem verisetini programa düzgün sonuçlar verecek şekilde düzeltmeli, hem de en iyi sonucu verecek modeli oluşturmalıyız. Bundan sonraki videolarda ise, TensorFlow'u Stanford Üni'nin slaytlarından hem de yandan kodlayarak anlatacağım. Biraz uzun sürecek. Yapay Sinir Ağları'nı tamamen TensorFlow üzerinden devam etmek istiyorum. Elime de çok güzel bir kaynak geçti Stanford'un kaynağı. 10 video kadar TensorFlow/YapaySinirAğları çekmek istiyorum. Hayallerimden biri de GTA Vice City oyunundaki arabaları kendi kendini sürecek şekilde eğitmek olacak. Örneği var GTA 5 için, ben de Vice City'e deneyeceğim. Ama sanırım o iş için 30 Mayıs'dan sonrasını bekleyeceğim.