Skip to main content

Yapay Zeka İçin Sırada Ne Var? Beş Kısa Video

Anlatma. Göster. Yapay zekanın dünya üzerindeki olağanüstü etkileri gerçekten anlatmaya değerdir. Ve “Ben AI’ım” adlı dokümanlarımız tam da bunu yapıyor aslında, her seferinde olağanüstü bir hikaye…

Bu masallar – dünyanın her yerindeki en ölümcül hastalıklardan birini Kenya’nın güneşte dökülen vahşi ormanlarına götüren son derece gelişmiş bir robot jenerasyonu tarafından yetiştirilen yemyeşil Kaliforniya tarlalarından, en gelişmiş Tayvanlı kanser kliniklerine kadar – her yerde yer alıyor – Yapay zekanın büyük değişimler yapabileceğini açıkça belirtiyor.

Devamını Oku

Jetson AGX Xavier Modülü Satışa Çıktı – Otonom Makineler İçin Büyük Bir Atılım

Jetson AGX Xavier modülü artık global olarak distribütörlerden temin edilebilir halde, Jetson TX2 ve TX1 ürün ailesine katılıyor.

Geliştiriciler, dünyanın en zorlu görevlerini çözecek ve imalat, lojistik, perakende, tarım, akıllı şehirler, sağlık hizmetleri ve daha fazlası dahil olmak üzere çok çeşitli endüstrileri dönüştürecek otonom makineler üretmek için Jetson AGX Xavier’i kullanabilir.

NVIDIA Jetson AGX Xavier modülü, küçük bir 100x87mm form faktöründe 32 TOPS’ye kadar yüksek hesaplama ve 750 Gbps yüksek hızlı I/O sunar. Bu, geliştiricilere 20 kattan daha fazla performans ve NVIDIA Jetson TX2’nin 10 katı kadar enerji verimliliğini sağlar.

Devamını Oku

OpenZeka MARC 2019 Başvuruları Uzatıldı

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

Son Başvuru Tarihi: 25 Ocak 2019

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/

Bilkent Yapay Zeka Yaz Okulu (17-21 Temmuz 2017)

Yaz okulu başvuru detayları aşağıda yer almaktadır.

Günümüzün en önemli ve en etkili mesleklerinden biri olan bilgisayar mühendisliği alanına ilgi duyan, tüm lise bir, iki ve üçüncü sınıf öğrencilerini yaz okuluna başvurmaya davet ediyoruz.

KONULAR

  • Bilgisayar Mühendisliği’ne giriş.
  • Temel seviye Python programlama ve uygulama geliştirme çalışmaları.
  • Yapay zeka ve derin makine öğrenmesi araştırma konularına giriş.
  • Yapay zeka proje gerçekleştirmesi.
  • Bilkent Üniversitesi kampüs gezisi ve spor aktiviteleri.

Detaylar ve katılım için aşağıdaki bağlantıya bakınız:

http://w3.bilkent.edu.tr/www/bilkent-yapay-zeka-yaz-okulu/

Basamak Korelasyon Sinir Ağları Türleri- Bölüm 2-

BASAMAK KORELASYON AĞI TANIMI    

Önceki yazıda basamak korelasyon ağının hangi problemlerin çözümü için ortaya çıktığı anlatılmıştır. Bundan dolayı, basamak korelasyon iki anahtar fikri birleştirir; ilki basamak mimarisi ki burada bahsi geçen gizli birimler ağa bir kez eklenir ve eklendiği zamanda değişmezler. İkinci önemli durum ise, öğrenme algoritmasıdır. Bu algoritma yeni gizli birimler yaratır ve yükler. Burada aslında yapılmak istenen şey her bir gizli birim için, yeni birimlerin çıkışı ile elimine edilmeye çalışılan artık hata sinyal değerinin korelasyon büyüklüğünü maksimize etmektir.

Basamak mimarisi Şekil 1 de görüldüğü üzere ilk önce bazı girişler ile bir veya daha fazla çıkışlar ile başlar ki bu arada gizli birimler yoktur. Giriş ve çıkış sayıları problem tarafından verilir. Her bir giriş her bir çıkış değerine ayarlanabilir bir ağırlık ile bağlıdır. Ve tabi ki bias girişi +1’e göre kalıcı olarak ayarlanır. Çıkış birimleri ağırlıklandırılmış girişlerin doğrusal olarak toplamını üretebilir veya doğrusal olmayan aktivasyon fonksiyonu çalıştırabilir.

Gizli birimler ağa teker teker eklenir. Her bir yeni gizli birim ağın her bir orijinal girişlerinden ve daha önceki gizli birimlerden bağlantı alır. Gizli birimlerin giriş ağırlıkları net’e eklendiği zaman donar; sadece çıkış bağlantılar tekrarlı olarak eğitilir. İçerdeki bazı ağırlıklar sıfır olmadıkça, her bir birim bu nedenle ağa yeni bir ‘katman’ ekler. Bu durum çok güçlü bir yüksek seviye özellik sezinleyicinin yaratılmasına olanak sağlar; ayrıca derin yapılara ve gizli birimlere yüksek giriş yelpazesi sağlar. Yeni birimler eklendikçe yapının (ağın) derinliği ve giriş yelpazesinin minimize edilmesine yönelik bazı stratejiler mevcuttur. Fahlman ve Lebiere bunun üzerine bazı çalışmalar yapmıştır.

Şekil 1 Basamak mimarisi (başlangıçtaki hali ve sonradan gizli birimlerin eklenmesini göstermektedir. Dik çizgiler içerideki tüm aktivasyon toplamını gösteriyor. Kutu bağlantılar ise donmuş halde olanlar, X bağlantılar ise tekrarlı eğitimlerdir) (Fahlman ve Lebiere, 1990)

Devamını Oku