Hayırlı günleriniz olsun arkadaşlar. Bu dosyada daha önce kullandığım ve kullanmaya devam ettiğim yapay zeka (genel olarak deep learning) ve yapay zeka matematiğinde bilinmesi gerekli olan derslerin kaynaklarını paylaşmak istiyorum. Tabiki bu kaynaklar ALLAH'ın emri olan kaynaklar değil :), sadece içeriğini beğendiğim ve sektörde bu alanda çalışan insaların önerdiği kaynaklar olması sebebi ile bu dosyaya eklemekteyim. Umarım yararlı olur.
1-)Kevin_P._Murphy Machine Learning A Probabilistic Perspective // "Kesinlikle bir kere bu kitabı bitirmelisin" şeklinde tavsiyeler aldım. Matematik temelli Machine Learning'in anlatıldığı bir kitap.
1.1-) Oliver Duerr, Beate Sick, Elvis Murina - Probabilistic Deep Learning with Python-Manning Publications // Probablistic tabanlı deep learning anlatımlı bir kitap
1.2-) Dive Into Deep Learning // Uygulamalı ve matemetik tabanlı deep learning tabanlı bir kitaptır.
1.3-) Deep Learning with Python // Bu kitap çok derin teoriye girmeden metotlar hakkında genel fikir(nedir, ne için kullanılabilir v.s) elde edebileceğiniz bir kitaptır.
1.4-) Deep Learning Book // Bu kitap elon musk tarafından övülmüş ve temel ders kitabı olması gerektiği savunulan bir kitaptır. Lakin kendi çalışmalarımda her ne kadar içine girmeye çalışsamda dili ve teorisi bana ağır gelmişti.
1.5-) Mathematics Machine Learning // Bu kitap machine learning için gerekli temel matematiğin anlatıldığı ve genel bazı temel machine learning algoritmalarının anlatıldığı bir kitaptır.
1.6-) Introduction to robotics mechanics and control (John J Craig) // Bu kitabı visual odemetry'de ve bazı koordinat sistemlerinde kullanılan dönüşüm işlemleri için, kitabın 2. Bölümü olan "Spatial descriptions and transformations" bölümü için önerdiler. Transformasyon işlemleri için en çok atıf alan kaynaklardan biridir.
1-)3Blue1Brown https://www.youtube.com/channel/UCYO_jab_esuFRV4b17AJtAw // aslına bakarsanız bu kanalın şiddetle bütün videolarını öneriyorum. Lakin konuyu çok dallandırmayacak olursak:
1.1-) https://www.youtube.com/playlist?list=PLZHQObOWTQDPD3MizzM2xVFitgF8hE_ab // temel lineer algebra(lineer cebir) ders videoları. Temel dediğime bakmayın çok zengin bir kaynak.
1.2-) https://www.youtube.com/watch?v=WUvTyaaNkzM&t=26s&ab_channel=3Blue1Brown // temel calculus matematiği, türev ve integral ne işimize yarıyor sorunun cevabını arayanlar için. Temel dediğime yine bakmayın :) çoğu üniversitede bu düzeyde anlatıldığını düşünmüyorum.
1.3-) https://www.youtube.com/watch?v=1uW3qMFA9Ho&list=PLUl4u3cNGP60hI9ATjSFgLZpbNJ7myAg6&ab_channel=MITOpenCourseWare // her yapay zeka alanında çalışıyorum diyen adamın probability bilgisinin sağlam olması gerektiğini düşünüyorum.
1.4-) https://towardsdatascience.com/why-logarithms-are-so-important-in-machine-learning-6d2ff7930c8e // Why Logarithms Are So Important In Machine Learning sorusuna karşılık güzel bir medium bloğu
1.5-) https://www.coursera.org/specializations/mathematics-machine-learning // Imperial College London tarafından verilen bu kurs serisinde Lineer cebirden Çok Değişkenli Matematiğe (Multivariate Calculus) kadar Ml hakkında birçok konuya hakim olabilirsiniz.
1.6-) https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/video-lectures/ // linear cebir MIT üniversitesi dersleri
1.7-) https://ocw.mit.edu/courses/mathematics/18-01-single-variable-calculus-fall-2006/video-lectures/ single variable calculus MIT üniversitesi dersleri
1.8-) https://ocw.mit.edu/courses/mathematics/18-02-multivariable-calculus-fall-2007/video-lectures/ Multivariable variable calculus MIT üniversitesi dersleri
1-1) https://www.udemy.com/course/makine-ogrenmesi/learn/lecture/10735892?start=0#overview // her ne kadar Türkçe kaynaları içerik açısından yetersiz bulsamda Şadi hocanın machine learning derslerinde teorik bilgiyi güzel anlattığını düşünüyorum. Çok matematik kısmına girmemiştir.Lakin temel olayların konseptini iyi anlatıyor bence.
1.2-) https://www.coursera.org/specializations/deep-learning // andrew Ng derslerinin gayet içerik olarak sağlam olduğunu düşünüyorum.
1.3-) https://www.youtube.com/watch?v=jGwO_UgTS7I&list=PLoROMvodv4rMiGQp3WXShtMGgzqpfVfbU&ab_channel=stanfordonline // stanford üni. 'nin dersleri. Başrolde andrew ng amcamız var tekrardan.
1.4-) https://www.coursera.org/specializations/machine-learning // Washington Üniversitesi tarafından oluşturulmuş Makine Öğrenmesi kurs serisi
1.1-) https://www.youtube.com/watch?v=vT1JzLTH4G4&list=PL3FW7Lu3i5JvHM8ljYj-zLfQRF3EO8sYv&index=1&ab_channel=StanfordUniversitySchoolofEngineering // Justin johnson ve FeiFei reislerin çok sağlam içerikli deep learning dersleri. Stanford üni altında veriliyo dersler. Türkiyedeki çoğu üninin yüksek lisans dersleri bu dersin notları: https://cs231n.github.io/ altında işlenmektedir. Ben ilk o dersin notlarını çalışıp sonrasında videolarından çalışıp devam etmiştim. Benim için baya verimli olmuştu. Andrej Karpathy ilk cs231n notlarını hazırlayan kişidir. Adını anmamak emeğe haksızlık olur diye düşündüm.
1.2-) https://www.youtube.com/playlist?list=PLZHQObOWTQDNU6R1_67000Dx_ZCJB-3pi // neural network yapısının genel işleyiş mantığını güzel görselleştirilmiş olduğu kaynaktır kendileri.
1.3-) https://www.coursera.org/learn/convolutional-neural-networks/home/welcome // andrew-ng, cnn mantığının anlatıldığı dersler.
1.4-) https://www.coursera.org/learn/neural-networks-deep-learning/home/welcome // andrew-ng, Neural Network mantığının anlatıldığı dersler.
1.5-) https://www.coursera.org/learn/deep-neural-network/home/welcome // neural network optimization ve hyperparameter seçimlerinin önemi, nelere yol açtığı konularının anlatıldığı dersler.
1.6-) https://www.youtube.com/watch?v=5tvmMX8r_OM&list=PLtBw6njQRU-rwp5__7C0oIVt26ZgjG9NI // MIT tarafından verilen 6.S191 dersleri. Introduction to Deep Learning (Derin Öğrenmeye Giriş) olarak geçse de emin olun çok da giriş seviyesi değil.
Bu konuda deep learning veya machine learning öğrendik eee ne oldu şimdi ne yapacağız sorusuna karşılık nerelerde kullanıldığına dair 2 güzel ders bırakıyorum buraya.
1.1-) https://www.coursera.org/learn/visual-perception-self-driving-cars/home/welcome // görüntüye dayalı otonom araba sürme teorimini baz alan ve aynı zamanda camera teoriminide kapsayan çok verimli olduğunu düşündüğüm toronto üniye ait derslerdir.
1.2-) https://www.coursera.org/learn/robotics-perception/home/welcome // camera teorimi ve visual odemtry içeriği sağlam olan pensilvanya üninin dersleri
Kendinizin beğendiği kaynakları mutlaka benimle paylaşın. Bende bu listeyi sizden gelenler ile güncelleyeyim. Veya bu repoya branch açarak güncelleyebilir sonrasında bende merge işlemi yapabilirim.(benimde işime gelir) Bu şekilde insanların yararlanabileceği güzel bir kaynak listesi oluşturmuş oluruz. "Paranın aksine ilim, paylaştıkça çoğalır"
Bu derslerin çoğu ücretsizdir arkadaşlar. Öyle bir dönemdeyizki yurtdışındaki çok kaliteli ünilerin derslerine online erişim sağlayıp faydalanabiliyoruz. Elimizde "bize anlatılan ders içerikleri çok boş" bahanesi de kalmadı anlayacağınız. Geriye tek kalan şey azmedip çalışmak. Umarım işinize yarar.
Kolaylıklar Gelsin...
Hazırlayan: Ömer Ali Erdemir İletişim: o.erdemir1997@gmail.com