Skip to main content

OpenZeka MARC 2019 Başvuruları Başladı

OpenZeka MARC, yapay zeka algoritmalarının kullanıldığı Lise ve Üniversite öğrencileri ile Şirket/Girişimci çalışanlarının katılım sağlayabileceği mini otonom araç yarışmasıdır.

Son Başvuru Tarihi: 28 Aralık 2018

1. Eğitim Dönemi: 19-25 Ocak 2019 (7 gün süreli)
2. Eğitim Dönemi: 28 Ocak – 3 Şubat 2019 (7 gün süreli)

Yarışma kapsamında isteyen katılımcılara otonom araç inşa süreci, görüntü işleme, derin öğrenme, sensör füzyonu, 3D Stereo Kamera, Lidar, IMU verilerinin analizi ve otonom sürüş konularında uygulamalı eğitim verilecektir.

Eğitimlere katılım için giriş seviyesinde Python bilgisi yeterlidir. Open Zeka tarafından yazılım süreci geliştirilen 1/10 ölçekli araç platformu, otonom araç/makine uygulamaları geliştirmek isteyenlere en yeni yapay zeka algoritmalarını öğrenme imkanı sunmaktadır.

Başvuru ve detaylar için: https://openzeka.com/marc/

Görüntü İşleme İçin Derin Öğrenmenin Temelleri Eğitimi

Open Zeka, NVIDIA ve BTK Akademi işbirliği ile Üniversite Öğrencileri ve Akademik Personele Yönelik “Görüntü İşleme İçin Derin Öğrenmenin Temelleri Eğitimi26 Eylül 2018 günü BTK Merkez Bina yerleşkesinde gerçekleştirilecektir.

Kayıt: http://etkinlik.btk.gov.tr/etkinlik/detay/goruntu_isleme_icin_derin_ogrenmenin_temelleri_egitimi

NVIDIA DLI Sertifikalı

Katılım sayısı sınırlı olup, online ortamda yapılacak başvuru sırasına göre katılımcılar belirlenecektir. Başvurunuz onaylandığında size e-posta ile bildirim yapılacaktır.

Eğitim ücretsizdir ve sertifikalıdır. Gün sonunda online olarak yapılacak uygulama sınavını başarıyla tamamlayanlar NVIDIA DLI Sertifikası alacaklardır.

Eğitim uygulamalı olduğu için katılımcılar eğitime kendi dizüstü bilgisayarı ile katılmalıdır.

Üniversite öğrencilerinin Öğrenci Kimlik Kartlarını, akademisyenlerin ise Kurum Kimlik Kartlarını eğitim boyunca yanlarında bulundurması zorunludur

  • Son Kayıt Tarihi: 21/09/2018
  • Etkinlik Tarihi: 26/09/2018
  • Başlama Saati: 09:00
  • Bitiş Saati: 18:00
  • Adres: Eskişehir Yolu 10.Km No:276
    Çankaya
    06530
  • Şehir: Ankara

NVIDIA Jetson Ankara Meetup: AI at the Edge for Robotics & Smart Cities

Etkinliğe katılanlar Jetson TX2 Developer Kiti %50 indirimle alma fırsatından faydalanabilecektir. *

Kayıt: https://jetson.eventbrite.com

Tarih/Saat: 12 Temmuz 09.30-12.00

Adres: Bilkent Cyberpark Cyberplaza Konferans Salonu
Üniversiteler Mh., 1606 Cadde Cyber Plaza B Blok Çankaya/Ankara

Introduction

Enjoy a day of tech talks, demos, networking and drinks with NVIDIA AI experts and Jetson enthusiasts.

Learn about solutions using AI & ‘Inference at the Edge’ to solve commercial challenges in Autonomous Machines, Robotics, Video Analytics and Smart Cities.”

We’ll cover the latest insights on how customers use NVIDIA Jetson™ based solutions to push the limits of technology for intelligent and autonomous machines.

============================

Who should attend?

Developers interested in AI and Edge Solutions.

Business Startups and Commercial Managers working on solutions in Autonomous Devices, Robotics, Smart Cities.

Why attend?

Come along for an evening of talks and demos from NVIDIA Jetson™ experts and learn from innovative start-ups developing solutions based on the NVIDIA Jetson Inferencing platform.

Agenda

09.30 Registrations, treats, pastries and tea

10.10 Welcome – Open Zeka (Bilkent Cyberpark)

10.20 Welcome – NVIDIA – Eddie Seymour

11.00 Coffee – Tea Break

11.15 Jetson Demos by OpenZeka

11.30 Company Demos

11.59 Close

Jetson Demos

  • DeepStream
  • Jetson Inference
  • TensorRT
  • YOLO V3
  • OpenPose
  • Tensorflow Object Dectection API
  • Multimedia API
  • Visionworks 1.6
  • OpenZeka MARC

Don’t have a Jetson Developer Kit? Buy one on-site during the meetup at a %50 discounted special price of just 2.200 TL *

(*) %50 discount is valid for individual users and with limited stock.

Geri Yayılım Algoritması’na Matematiksel Yaklaşım

Geri Yayılım Algoritması

Bir yapay sinir ağı, her birinde özel hesaplamaların yapıldığı nöronlardan oluşmaktadır ve bu nöronların özelleştiği 3 tür katmandan bahsedilmektedir. Bunlar; girdi katmanı, gizli katman ve çıktı katmanıdır. Girdi katmanı, göreve özel olarak türü değişen verilerin sinir ağına sunulduğu katmandır. Veriler, bir ses kaydı (Doğal Dil İşleme), bir görüntü (Görüntü İşleme) veya bir metin (Duygu Analizi) gibi farklı türlerde olabilir.

i = \begin{bmatrix}i_1&i_2&i_3\end{bmatrix}

Verinin türüne göre, yapay sinir ağının gerçekleştireceği işlemler farklılık gösterecektir. Örneğin bir görüntü verisinde, öncelikle renk ayrıştırma veya nesnelerin kenarlarını ayırt etme işlemleri yapılırken; metinsel bir veride öncelikle kelimeleri köklerine ayrıştırma işlemi gerçekleştirilir.

Bir sinir ağındaki katmanlar arasında, her bir katmandaki nöronu bir sonraki katmandaki nöronlara bağlayan bağlantılar ve her bir bağlantının sayısal olarak bir değeri vardır. Bu değerlere ağırlık denir.

 

W_{ig}=\begin{bmatrix}w_{i1g1}&w_{i1g2}&w_{i1g3}&w_{i1g4}\\w_{i2g1}&w_{i2g2}&w_{i2g3}&w_{i2g4}\\w_{i3g1}&w_{i3g2}&w_{i3g3}&w_{i3g4}\end{bmatrix}

W_{gk}=\begin{bmatrix}w_{g1k1}&w_{g1k2}&w_{g1k3}&w_{g1k4}\\w_{g2k1}&w_{g2k2}&w_{g2k3}&w_{g2k4}\\w_{g3k1}&w_{g3k2}&w_{g3k3}&w_{g3k4}\\w_{g3k1}&w_{g3k2}&w_{g3k3}&w_{g3k4}\end{bmatrix}

W_{ko}=\begin{bmatrix}w_{k1o1}&w_{k1o2}\\w_{k2o1}&w_{k2o2}\\w_{k3o1}&w_{k3o2}\\w_{k4o1}&w_{k4o2}\end{bmatrix}

 

Ağırlık değerleri, bağlı oldukları her bir nöronun, eğitimin sonucunda alınacak çıktı değeri için ne kadar öneme sahip olduğunu gösterir. Devamını Oku

Eğitim-Embedded Sistemlerde Yapay Zeka Uygulamaları

Bu eğitim, otonom, robot, iha (drone) ve güvenlik sistemlerindeki kamera görüntülerinin NVIDIA Jetson TX1/TX2/TX2i/Xavier platformu ile gerçek zamanlı tanıma işlemini yapmak isteyen katılımcılar için hazırlanmıştır. Bu eğitimi aldıktan sonra Jetson kullanarak kameradan aldığınız görüntüleri gerçek zamanlı tanımlayabileceksiniz. Özellikle derin öğrenme uygulamaları konusunda tecrübe kazanmak ve akademik çalışma yapmak isteyenler için kaçırılmayacak bir eğitim.

 

Neler Öğreneceksiniz?

  • Jetson platformlarının kabiliyetleri.
  • Derin öğrenme için gerekli donanım ve yazılım altyapısını tesis etme.
  • Jetson’ın yapay zeka uygulamaları için hazırlanması.
  • IMAGENET verisi ile sınıflandırıcı eğitimi ve resim/video üzerinde gerçek zamanlı sınıflandırıcı çalıştırılması.
  • DetectNet kullanarak nesne koordinatlarını tespit etme eğitimi ve uygulaması.
  • Çıkarım hızlandırıcısı olarak TensorRT kullanılması.
  • Çok sınıflı modellerin çalıştırılması.
  • Kamera üzerinde sınıflandırıcı ve nesne tespit edici modellerin çalıştırılması.
  • SegNet ile görüntü segmentasyonunun yapılması.

Eğitim içeriği ve diğer detaylar için tıklayın.