DERİN ÖĞRENME VE UYGULAMALARI

            · Üniversitemiz Sürekli Eğitim Uygulama ve Araştırma Merkezi (ŞÜSEM) Müdürlüğü bünyesinde Doç. Dr. Yunus EĞİ koordinatörlüğünde “Derin Öğrenme ve Uygulamaları” eğitiminin açılmasına karar verilmiştir.

• Kurs  ücreti 12000 tl’dir.
• Bir kursun süresi 48 ders saati olarak belirlenmiştir. Dersler Çarşamba ve Perşembe günleri saat 17:30-20:30 arası olarak işlenecek olup eğitimcilerin ve katılımcıların planlamasına bağlı olarak gün ve saatlerde değişiklik gösterebilir.
• Başvurular 15.02.2025 tarihine kadar yapılabilecektir. Başvurular online olarak alınacaktır. Başvuru yapmak için lütfen TIKLAYINIZ.
• Dersler uygulamalı /yüzyüze olarak yürütülecek olup Sürekli Eğitim Uygulama ve Araştırma Merkezi Müdürlüğü tarafından belirlenen derslikte sürdürülecektir.
• Kayıt yapma hakkı online başvuru sırasına göredir. Buna göre başvuru sırasındaki ilk 10 kişinin, oluşturulacak olan ilk sınıfa kayıt işlemleri yapılacaktır.
• Eğitim tarihi ve yeri Üniversitemiz Sürekli Eğitim Uygulama ve Araştırma Merkezi (ŞÜSEM) tarafından ilan edilecektir.
• Şırnak Üniversitesi Sürekli Eğitim Uygulama ve Araştırma Merkezi bünyesinde düzenlenen kurs, seminer, sertifika vb. programlara başvuran adaylar ŞÜSEM Eğitim Programları Yönergesinde belirtilen esasları kabul etmiş sayılırlar.
• Başvuru yapmadan ve eğitim ücreti ödemeden önce Şırnak Üniversitesi Sürekli Eğitim Uygulama ve Araştırma Merkezi Eğitim Programları Yönergesinin okunması önerilir. ŞÜSEM Yönetmelik ve Yönergesine ulaşmak için TIKLAYINIZ.
• Kurslar, iş garantisi veya unvan sağlamaz. Kurs sonunda katılım belgesi verilecektir.
• · Kurslar, asgari 10 kursiyer ile başlatılacaktır.
• Kurs kayıt işlemleri ücretler yatırıldıktan sonra başlatılacak olup kesin kayıt işlemleri kimlik fotokopisi ve kesin kayıt formunun ibrazından sonra yapılacaktır.
• Kayıt işlemleri başlatılmış olan kursiyerlere kurs ücretleri ile ilgili esaslara göre “Eğitim Programları Yönergesi MADDE 8 Fıkra 5” gereği ücret iadesi yapılmamaktadır.

 

EĞİTİM İÇERİĞİ

Derin Öğrenmeye Giriş Derin öğrenme nedir?

Derin öğrenme nedir?

Yapay zekâ, makine öğrenimi ve derin öğrenme arasındaki farklar

Derin öğrenmenin tarihi ve gelişimi Derin öğrenme uygulama alanları: Görüntü işleme, metin işleme, oyun oynama 

Yapay Sinir Ağları, Konvolüsyonel Sinir Ağları (CNN) ve Öğrenme Algoritması

Sinir ağlarının temelleri: Katmanlar, düğümler ve bağlantılar

 Konvolüsyonel Sinir Ağları (CNN) yapısı: Konvolüsyon ve havuzlama işlemleri

CNN model tasarımı ve eğitim süreçleri

Önceden eğitilmiş CNN modellerinin kullanımı ve ince ayar

Öğrenme algoritmalarının temelleri: Sınıflandırma, regresyon ve optimizasyon algoritmaları 

Hiperparametreler ve Model Optimizasyonu

 Hiperparametre nedir?

Öğrenme oranı, epoch sayısı, batch boyutu gibi temel hiperparametreler

Model performansını değerlendirme

Hiperparametre optimizasyon teknikleri: Grid search, random search ve bayes optimizasyonu

TensorBoard ile hiperparametre takibi ve görselleştirme 

Yapay Zekâ Araçları ve Kullanımları

OpenCV ile görüntü işleme araçlarının kullanımı

PyTorch ve TensorFlow gibi derin öğrenme framework’lerinin tanıtımı

NLP araçları ve metin işleme kütüphaneleri

Drone sistemleri ve Raspberry Pi kullanımı

YOLO (You Only Look Once) gibi nesne algılama araçları 

Görüntü, Ses ve Yazı İşleme ile ilgili örnekler

Görüntü işleme: Konvolüsyonel sinir ağları (CNN) ile nesne algılama ve sınıflandırma

Ses işleme: Hoparlörlerden gelen ses verilerini analiz etme ve ses tanıma modelleri

Yazı işleme: Metin modelleme ve doğal dil işleme (NLP)

OpenCV ile görüntü işleme uygulamaları

Ses tanıma uygulamaları: RNN ve CNN kullanımı

Metin işleme uygulamaları: Bag-of-words, RNN ve Transformer modelleri 

Raspberry Pi ile Nesne Algılama

Raspberry Pi’ye giriş ve donanım kurulumları

Kameralı görüntü yakalama ve veri işleme

OpenCV kullanarak nesne algılama ve sınıflandırma

Raspberry Pi ile gerçek zamanlı veri toplama ve işleme

Yüz, nesne ve konum takibi projeleri 

      Drone ile Yüz Takibi

Drone giriş: Donanım ve yazılım kurulumu

OpenCV ile yüz algılama ve koordinat tespiti

Drone kontrolüne giriş: Yüz koordinatlarına göre hareket

Gerçek zamanlı yüz takibi projesinin geliştirilmesi 

Eğitmen; Doç. Dr. Yunus EĞİ,  Şırnak Üniversitesi Mühendislik Fakültesi Elektrik ve Elektronik Mühendisliği Bölümü Dekan Yardımcısı, American University of the Middle East’te (AUM) iki yılı aşkın araştırma deneyimi, Amerika Birleşik Devletleri’nde 8 yıllık araştırma ve eğitim geçmişi, Florida Institute of Technology’de Yüksek Lisans ve Doktora dereceleri, Doktora araştırması, “Kablosuz İletişimlerde Sinyal Gücü Yol Kaybını Tahmin Etmek İçin Sensör Füzyonu ve Makine Öğrenimi Yaklaşımı” üzerine yoğunlaşmış ve tezi, “Makine Öğrenimi ve 3D Nokta Bulutu Tabanlı Sinyal Gücü Yol Kaybı Modeli ile Kablosuz İletişim Sistemlerinin Kurulumu” , Yüksek lisans tezi “LTE Performans Değerlendirmesinde Kullanılan Ölçüm Donanımlarının İstatistiksel Karşılaştırması”, Yapay zekâ, derin öğrenme ve makine öğrenimi uygulamalarına odaklanan geniş bir akademik ve endüstriyel deneyime sahiptir. Uzmanlık alanları arasında kablosuz iletişim sistemleri, görüntü işleme, bilgisayarla görü, yüksek performanslı hesaplama, LiDAR ve Nesnelerin İnterneti (IoT), Türk Milli Eğitim Bakanlığı’nda (Batman/Türkiye) Araştırma ve Geliştirme Uzmanı, Gladiator Innovations (ABD) şirketinde Kalite Güvence Mühendisi, TEKNOYAP’ta Elektrik Mühendisliği Süpervizörü (Şef), Diyarbakır’daki Dicle Barajı hidroelektrik santralinde operasyonları yönetimi, Yapay zekâ ve ileri mühendislik çözümlerini kullanarak gerçek dünya problemlerine yenilikçi teknolojiler geliştirme misyonuna sahiptir.

 

24/07/46 |  Sürekli Eğitim Uygulama Ve Araştırma Merkezi

---

جميع المعلومات والمستندات والصور الفوتوغرافية ومقاطع الفيديو والصور والنصوص وما إلى ذلك موجودة على صفحات الويب الخاصة بنا. لا يجوز استخدام كل المحتوى دون الحصول على إذن وذكر المصدر.خلاف ذلك: سيتم اتخاذ الإجراءات القانونية والجنائية في نطاق القانون رقم 5846. جميع الحقوق محفوظة لجامعة شرناق.