Skip to main content

Derin Öğrenme Atölyesi – Ankara Üniversitesi

NVIDIA Derin Öğrenme Kurumu (DLI) ve Open Zeka geliştiriciler, veri bilimcileri ve derin öğrenmeyle ilgili zorlu sorunları çözmek isteyen araştırmacılar (robot, otonom sistem, drone vb.) için gerçek bir eğitim sunmaktadır. Ankara Üniversitesi Yapay Zeka ve Görüntü İşleme Topluluğu ile Yapay Zeka ve Görüntü İşleme Günü – YAZGİG etkinliği kapsamında derin öğrenme atölye çalışmasını duyurmaktan dolayı heyecanlıyız.

Eğitim tarihi: 30 Nisan 2017
Eğitim yeri: Ankara Üniversitesi Tandoğan Kampüsü D Blok KMD-1 Sınıfı
Eğitim kaydı: Eğitim kontenjanı dolmuştur.
Program:

3 saatlik atölye eğitiminde aşağıdaki başlıklarda çalışma yapılacaktır.

  • Giriş: Derin öğrenme algoritmalarının çalışma mantığı, gelişimi ve neden popüler olduğu farklı sektörlerden örneklerle anlatılacaktır.
  • Uygulamalı eğitim 1: Resim sınıflandırmaya yönelik olarak MNIST veri setinin LeNet ağı ile eğitilmesi anlatılacaktır. Bu eğitimde doğruluk oranının artırılması maksadıyla aşamalı olarak iyileştirme işlemleri uygulanacaktır. Bu ders özellikle resim sınıflandırma probleminde başarıyı artırma konusunda referans bir uygulamadır.
  • Uygulamalı eğitim 2: Bir resimde yer alan nesnelerin kutu içerisine alınmasına yönelik olarak hazırlanan bu ders, gerçek hayattaki birçok probleme (Örnek: Otonom araçlar nasıl görüyor?) nasıl çözüm üretileceğini öğrenmek isteyenlere için iyi bir başlangıç noktasıdır.

İçerik düzeyi: Başlangıç ​​/ Orta düzey

Eğitim dili: Türkçe

DLI Atölyesi Katılımcı Talimatları

Kendi dizüstü bilgisayarınızı bu atölyeye getirmelisiniz.

Dizüstü bilgisayarınızın atölyeden önce aşağıdaki adımları takip edin ve bir problem olmadığına emin olun.

Etkinlik kaydında kullandığınız katılımcı e-posta adresinin aynısını kullanarak https://nvlabs.qwiklab.com/ adresinden qwikLABS hesabı oluşturun.

http://websocketstest.com/ adresine giderek dizüstü bilgisayarınızda qwikLABS’ın sorunsuz çalışıp çalışmadığını kontrol ediniz.

Websockets’in çalışırlık kontrolü için Enviroment altında WebsSockets supported alanının ve WebSockets (Port 80) altında Data Receive, Data Send ve Echo Test alanlarının hepsinin Yes olarak işaretlendiğini kontrol ediniz.

WebSockets ile ilgili sorunlar varsa, tarayıcınızı güncellemeyi deneyebilirsiniz. QwikLABS için en iyi tarayıcılar Chrome, FireFox ve Safari’dir. Laboratuarlar IE’de çalışabilir, ancak optimum bir deneyim değildir.

Bu atölye kimler için?

Veri bilimcileri, geliştiriciler, araştırmacılar ve meraklılar.

Önkoşul bilgisi

Veri bilimi ve makine öğrenimi ile ilgili temel bilgilere sahip olunması anlamayı kolaylaştırmaktadır. Sadece bilgisayar kullanmayı biliyorum diyorsanız yine katılabilirsiniz. Bu eğitimde bir görüntü işleme uzmanı kadar başarılı resim sınıflandırma ve nesneyi kutu içerisine almayı yapabileceksiniz.

Konuşmacı

Ferhat Kurt, derin öğrenme alanının yaygınlaşması maksadıyla 2014 yılından günümüze derin öğrenme alanının gelişmesi maksadıyla Türkçe destek sitesi (https://www.derinogrenme.com) ve sosyal medya gruplarını (Türkiye Derin Öğrenme Grubu, Facebook Derin Öğrenme Grubu, Meetup Ankara Derin Öğrenme Grubu) kurmuştur. Son iki yıl içerisinde derin öğrenme alanında 30’u aşkın konferans, atölye çalışması yapmıştır. Halen kurucusu olduğu Open Zeka şirketinde yöneticilik yapmakta ve NVIDIA Derin Öğrenme Kurumu eğitmeni olarak derin öğrenme eğitimi vermektedir.


Eğitim Sponsorları

 

 

Devamını Oku

NVIDIA ve Facebook Takımlarının Caffe2 Çalışma Sonuçları Duyuruldu

NVIDIA ve Facebook 18 Nisan’da yapay zekanın geliştirilmesi için ortak çalışmaları olan Caffe2’yi duyurdu. Caffe2 Facebook tarafından açık kaynak topluluğuna katkıda bulunacak yeni bir AI-derin öğrenme çerçevesi olarak geliştirildi.
Dünyada her an metin, resim, video ve çok çeşitli türden bilgi üretilmekte.  Üretilen bilgi yoğunluğu arttıkça insanlar, dünyayı daha iyi anlayabilmeleri ve daha etkili bir şekilde iletişim kurabilmeleri için bu bilgileri yönetmeye yardımcı olan yeni AI sistemleri geliştiriyor. Caffe2 de bu çabaların bir ürünü olarak geliştiricilerin ve araştırmacıların büyük ölçekli dağıtılmış eğitim senaryoları oluşturmalarına ve uç aygıtları için makine öğrenme uygulamaları oluşturmalarına olanak sağlayacak bir framework.
Caffe2 aynı zamanda derin öğrenme çalışmalarının, yeni modellerin ve algoritmaların topluluk katkılarından faydalanmaları için kullanıcılara kolay ve basit bir yol sağlamayı amaçlayan bir platform. Kullanıcılar buluttaki GPU’ların gücünü kullanarak yaratıcılıklarını yaygınlaştırabilir veya Caffe2’nin çapraz platform kütüphanelerini kullanarak mobil cihazlar ile geniş kitlelere ulaşabilirler.
Mobil ortamda AI destekli hizmetler sunmak, göz açıp kapayıncaya kadar geçen sürede yapılması gereken karmaşık veri işleme süreçlerinden oluşuyor. Yıldırım hızıyla çalışan AI süreçlerinin işlenmesi, Facebook’un Big Basin sunucuları tarafından sunulan GPU hızlandırmalı bilgi işlemin yanı sıra, hızlandırılmış donanımın tüm özelliklerinden yararlanılabilmesi için yüksek seviyede optimize edilmiş derin öğrenme yazılımı gerektiriyor. Caffe2 bu ihtiyacın giderilmesi için tasarlanmış bir framework olarak ön plana çıkıyor.
NVIDIA ve Facebook, Caffe2 derin öğrenme çerçevesindeki çalışmaları aracılığıyla yapay zeka alanında ivmelenme sağlıyor. Ortak mühendislik sayesinde, Caffe2 NVIDIA GPU’ların derin öğrenme platformundan tam randımanlı olarak yararlanılabilmesi için hassasiyetle oluşturulmuş. Caffe2, yüksek performanslı, çoklu GPU ile hızlandırılmış eğitim ve çıkarım sağlamak için cuDNN, cuBLAS ve NCCL gibi en yeni NVIDIA Derin Eğitim SDK kütüphanelerini kullanıyor. Sonuç olarak, kullanıcılar Caffe2’nin NVIDIA GPU sistemlerinde en iyi performansı verdiklerini bilerek AI destekli uygulamaları geliştirmeye odaklanabilirler.
Caffe2 hızlı, ölçeklenebilir ve taşınabilir bir derin öğrenme çerçevesi olarak tasarlanmıştır. 64 NVIDIA Tesla P100 GPU hızlandırıcısı, sekiz ağlı Facebook Big Basin A.I. sunucusunda 57 kat verim ivmesi ile derin öğrenme eğitiminin doğrusal ölçekte ölçeklendirilmesi sağlayabilmektedir. Bu, geliştiricilerin A.I. modellerini her zamankinden daha hızlı eğitebilecekleri ve yineleyebileceği anlamına geliyor.
Şirketlerin iş birliğinin bir parçası olarak NVIDIA DGX-1 A.I. süper bilgisayarı, derin öğrenme için optimize edilmiş yazılım yığını içinde Caffe2’yi sunan ilk A.I. sistemi olacaktır. DGX-1 ve Caffe2 birlikte yüksek performans ve hızlı eğitim sunar. DGX-1 için Caffe2, NVIDIA DGX-1 Container Registry aracılığıyla müşterilere sunulacak.


Caffe2 resmi sitesine https://caffe2.ai linkinten ulaşabilir,
GitHub bağlantısına https://github.com/caffe2/caffe2 linkinden ulaşabilir,
Caffe2 framework eğitimi için http://www.derinogrenme.com linkinde eğitim duyurularını takip edebilirsiniz.

Kaynak:
https://blogs.nvidia.com/blog/2017/04/18/caffe2/
https://developer.nvidia.com/caffe2

Devamını Oku

Trakya Üniversitesi Bilişim Şenliği’17 – Deep Learning Sunumu

20-21 Nisan 2017 tarihleri arasında Tübitet (Trakya Üniversitesi Bilişim ve Teknoloji Topluluğu) tarafından Bilişim Şenliği ’17  etkinliği icra edilecektir. Söz etkinliğin birinci günü 15.30-16.20 arasında “Deep Learning” konulu sunuma katılabilirsiniz. Etkinlikteki diğer sunumlar için aşağıdaki bağlantıyı ziyaret edebilirsiniz.

Etkinlik sonrasında sunum dosyasını bu sayfadan indirebilirsiniz.

Etkinlik hakkında daha fazla bilgi için: http://tubitet.com/bilisimsenligi/

Kayıt Adresi: https://www.eventbrite.com/e/bilisim-senligi-17-tickets-33605268262

 

Devamını Oku

Basamak Korelasyon Sinir Ağı-Bölüm 4-

Genetik Basamak Korelasyon Öğrenme Algoritması

Genetik algoritmalar, doğal seçim ilkelerine dayanan bir arama ve optimizasyon yöntemidir. Temel ilkeleri John Holland (1975) tarafından ortaya atılmıştır. Geleneksel optimizasyon yöntemlerine göre farklılıkları olan genetik algoritmalar, parametre kümesini değil kodlanmış biçimlerini kullanırlar. Olasılık kurallarına göre çalışan genetik algoritmalar, yalnızca amaç fonksiyonuna gereksinim duyar. Çözüm uzayının tamamını değil belirli bir kısmını tararlar. Böylece, etkin arama yaparak çok daha kısa bir sürede çözüme ulaşırlar (Goldberg, 1989). Diğer bir önemli üstünlükleri ise çözümlerden oluşan populasyonu eş zamanlı incelemeleri ve böylelikle lokal en iyi çözümlere takılmamalarıdır (Emel ve Taşkın, 2002).

Quickprop algoritması yerine kullanılan genetik algoritması da geri yayılımlı algoritmaya karşın bazı avantajları mevcuttur. Özellikle,  bu iki algoritmada lokal minimuma yakınsama olasılığını azaltmayı ve gradyan bilgisi olmamasına karşın uygulamayı desteklemeyi içerir. Fahlman gradyan inişi potansiyel problemde lokal minimum çözümü yakınsamasında korelasyonda basamak korelasyonu aday birimlerin olduğu popülasyonun eğitiminde en fazla ilişkili olanı seçer ve ağa onu ekler ve bunun için küçük bir popülasyon-4 ila 8 birim- kullanırken hiçbirinin birbirleriyle iletişime geçmemesini sağlar. Genetik algoritmalar genellikle çok daha büyük nüfusları korur ve çapraz rekombinasyon operatörü aracılığıyla bireylerin etkileşimini kullanır (Potter, 1992).

(daha&helliip;)

Devamını Oku

Derin Öğrenme Atölyesi – İstanbul (Marmara Üniversitesi)

NVIDIA Derin Öğrenme Kurumu (DLI) ve Open Zeka geliştiriciler, veri bilimcileri ve derin öğrenmeyle ilgili zorlu sorunları çözmek isteyen araştırmacılar (robot, otonom sistem, drone vb.) için gerçek bir eğitim sunmaktadır. Marmara Üniversitesi Mekatronik Mühendisliği Kulübü ile Marmara Mekatronik ve İnovasyon Günleri kapsamında derin öğrenme atölye çalışmasını duyurmaktan dolayı heyecanlıyız.

Eğitim tarihi: 27 Nisan 2017
Eğitim saati: 15:00-18:00
Eğitim yeri: Marmara Üniversitesi Göztepe Yerleşkesi
Eğitim kaydı: https://goo.gl/forms/3y1220n4wHz8ei1q1

Eğitim sunumlarını aşağıdan indirebilirsiniz:

(daha&helliip;)

Devamını Oku