Yapay Öğrenmede İleri Yöntemler
Etkinlik Bilgileri
- Mekân Bilimler Köyü
- Son Kayıt Tarihi 30 Nisan 2026
- Geliş Tarihi 30 Ağustos 2026
- Başlangıç Tarihi 31 Ağustos 2026
- Bitiş Tarihi 06 Eylül 2026
- Kontenjan 20 kişi
- Kimlere? Lisans ve Lisansüstü Öğrencileri
- Etkinlik Ücreti 12.500 TL
Etkinlik Amacı
Bu etkinlik, yapay öğrenmede kullanilan matematiksel yöntemlerin bir kismini ele alacak. Egitmenler, kendi arastirma alanlarindan, bu alandaki matematiksel temellerden ve kendi calismalarindan bahsedecekler. Etkinliğin bir gununde Transformer mimarisi ve dil modelleri kod uzerinden uygulamali incelenecek.
Ek Bilgi
Yapay öğrenme temelleri (lineer cebir, olasılık, kalkülüs; temel makine öğrenmesi algoritmaları (regresyon, sınıflandırma, karar ağaçları); sinir ağları ve derin öğrenme mimarileri (CNN, RNN); model eğitimi (gradyan inişi, kayıp fonksiyonları); model değerlendirme metrikleri; düzenlileştirme teknikleri; Python, NumPy, TensorFlow/PyTorch) konusunda açıklamaya ihtiyaç duymadan etkinlik program içeriğini takip edebilecek öğrenciler programa katılabilirler.
Ek Hazırlık
Aşağıda adı verilen kitaplar (veya benzer kaynaklardan) yukarıda listelenen konuların anlatıldığı bölümler incelenebilir ve bölüm sonu sorular çözülebilir:
- "Pattern Recognition and Machine Learning" - Christopher Bishop
- "The Elements of Statistical Learning" - Hastie, Tibshirani, Friedman
- "Machine Learning: A Probabilistic Perspective" - Kevin Murphy
- "Deep Learning" - Goodfellow, Bengio, Courville
- "Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow" - Aurélien Géron
Etkinlik Takvimi
| Gün | İçerik |
|---|---|
| 1. Gün |
Umut Şimşekli, gradyan inişi algoritmasını tanıtacak, stokastik gradyan inişinin ağır kuyruklu (heavy-tailed) davranışı, genelleme teorisi, düz minima ve PAC-Bayesci yaklaşımlar üzerine konuşacaktır. |
| 2. Gün |
Tolga Birdal, 3D görüntü işleme ve geometrik derin öğrenme temellerini anlatacak, topolojik derin öğrenme, manifold learning, persistent homology ve topolojik genelleme teorisi üzerine konuşacaktır. |
| 3. Gün |
Çağatay Yıldız, transformer mimarisini anlatıp kodunu yazacak, ardından dil modelleri ve görü dönüştürücüsü (vision transformer) kodu yazıp görü temel modellerinden (vision foundation models) bahsedecek. |
| 4. Gün |
TATİL |
| 5. Gün |
Sinan Yıldırım, Bayesci istatistik temellerini ve Monte Carlo yöntemlerini (MCMC, parçacık filtreleri) anlatacak, ardından diferansiyel gizlilik (differential privacy) ve gizlilik koruyucu makine öğrenmesi üzerine konuşacaktır. |
| 6. Gün |
Gönenç Onay, matematiksel mantık (logic) ve cebir temellerini anlatacak, ardından mantıksal akıl yürütme (logical reasoning), sembolik yapay zeka ve makine öğrenmesinde matematiksel modelleme üzerine konuşacaktır. |
| 7. Gün |
Değerlendirme ve Geri Bildirim |