turkce yapay zeka kaynaklari

En esta página, puede encontrar estudios en el campo del aprendizaje profundo y el aprendizaje automático (publicación de blog, lecciones de video, artículos científicos, códigos, datos) en Türkiye.

La página está apoyada por Deep Learning Turkey Community. Si tiene estudios sobre aprendizaje profundo y aprendizaje automático, puede completar el formulario de solicitud para participar en la comunidad de Turquía de aprendizaje profundo.

Puede seguirnos en LinkedIn, Facebook y Twitter, puede leer nuestras publicaciones de blog en una plataforma mediana y media ingles y contribuir si lo desea:

Para agregar nuevas fuentes a la página: siga las instrucciones en la dirección de la guía de contribución.

Contenido

• Problemas básicos

• Algoritmos

• Usos

• Marcos

• Soporte de hardware y nube

• Artículos científicos

• Datos

• Lecciones de video

• Presentaciones

• Github

• Blogs

• Libros

• Competiciones (Kaggle, etc.)

• Aplicaciones móviles

Problemas básicos

• Básico: abramos esta caja negra: redes neuronales artificiales (Merve Ayyüce Kızrak)
• Motivación: la historia de la inteligencia artificial y el aprendizaje profundo (Merve Ayyüce Kızrak)
• Conjunto de inicio de aprendizaje profundo: hardware y software (Arda Blue)
• Inteligencia artificial: nacimiento de máquinas que piensan y producen (Arda Blue)
• Aprendizaje en humano y máquina (arda azul)
• Serie de imágenes y números en la computadora (Arda Blue)
• Aprendizaje profundo 1 (joyería Birol)
• Aprendizaje profundo 2 (joyería Birol)
• Aprendizaje profundo 3 (joyería Birol)
• Aprendizaje profundo, inteligencia artificial e informática (Burak Bayramli)
• El aprendizaje automático es divertido (Özgür şahin)
• El aprendizaje automático es divertido 2 (Atakan Yenel)
• ¿Cuál es el aprendizaje automático? (Halil ôbrahim şafak)
• Aprendizaje automático 101 (Seray Beşer)
• Aprendizaje profundo 101 (Seray Beşer)
• Matemáticas de aprendizaje automático (Seray Beşer)
• Guía de ser un científico de datos (şefik iene serengil)
• Python: Programación de cero a experiencia (Kaan Can Yılmaz)
• Data Science and Python (Kaan Can Yılmaz)
• Datos V.
• Aprendizaje automático (Kaan Can Yılmaz)

Algoritmos

Consejos para algoritmos

• Los hiperparametros más utilizados en aplicaciones de aprendizaje profundo (Necmettin çarkacı)
• Éxito en aplicaciones de aprendizaje profundo (Necmettin çarkaci)

Redes neuronales artificiales (redes neuronales artificiales)

• Introducción a las redes neuronales artificiales (Arda Blue)
• Redes neuronales artificiales (Birol Akan Esen)
• Redes neuronales artificiales Conceptos básicos: perceptrones, función de puntaje y cálculo de errores (función de pérdida) (Necmettin çarkacı)
• Redes neuronales: aprender de los errores pasados ​​(şefik iene serengil)
• Guía de revisión del algoritmo de aprendizaje de redes neuronales: Algoritmo de reembolso (şefik iene serengil)
• Nural Network (Seray Beşer)
• Perceptor (perceptrón (p)) (Seray Beşer)
• Alimentar hacia adelante (ff)) (Seray Beşer)
• Red de nervio recurrente (RNN) (RNN) (Seray Beşer)
• Deep Freed (DFF) (DFF)) (Seray Beşer)
• Memoria a largo / a corto plazo (memoria a largo plazo (LSTM)) (Seray Beşer)
• Red de base radial (RBF)) (Seray Beşer)
• Unidad recurrente cerrada (GR)) (Seray Beşer)
• Auto Coder (Auto Coder (AE)) (Seray Beşer)
• Coder automático variacional (VAE) (VAE)) (Seray Beşer)
• Codador automático de alivio de ruido (DAE) (Seray Beşer)
• Codador automático disperso (SAE) (SAE) (Seray Beşer)
• Cadena de Markov (cadena de Markov (MC)) (Seray Beşer)
• Hopfield Network (HN) (HN)) (Seray Beşer)
• Máquina Boltzmann (máquina Boltzmann (un)) (Seray Beşer)
• Máquina Boltzmann restringida (Rastricción de la ONU (RBM)) (Seray Beşer)
• Red de creencia profunda (Red de Belifef Deep (DBN)) (Seray Beşer)
• Red neuronal convolucional (CNN)) (Seray Beşer)

Redes neuronales convolucionales)

• Una comparación profunda: Inception y RES-Net funcionan (¡la conexión se actualizará!) (Merve Ayyüce Kızrak)
• Deep más profundo: redes nerviosas en evolución (Merve Ayyüce Kızrak)
• Entrada a las redes nerviosas de la evolución (Arda Blue)
• Estudio sobre datos MNIST con Keras basadas en TensorFlow (Erdogan Bavas)
• Una breve entrada a las redes neuronales convoliales (şefik iene serengil)
• Transferencia de aprendizaje: Uso de Inception V3 con Keras (şefik iene serengil)

Redes de cápsulas)

• Gran innovación en inteligencia artificial: redes cápsulas (Merve Ayyüce Kizrak)

Redes de fabricantes contemporáneos (redes adversas generativas)

• Redes adversas generativas: ¿qué es GaN? (Turco) (Muhammad Buyukkınacı)

Autocoders (Autoencoders)

• Redes neuronales artificiales: Autoencoders (Faruk Eroğlu)
• Autoencoder (Seray Beşer)
• Autoencoder de Denoising (Seray Beşer)
• Codador automático disperso (autoencoder escaso) (Seray Beşer)
• Autoencoder variacional) (Seray Beşer)

Usos

Procesamiento del lenguaje natural)

• Análisis de emociones con keras (joyas de Birol)
• Primeros pasos en el procesamiento de texto turco (İlker Birbil)

Seguridad cibernética (seguridad cibernética)

• Determinación de los ataques de servicio dispuestos utilizando tecnologías de aprendizaje profundo (Ferhat Özgür çatak, Ahmet fatih Mustaçoglu)

Visión por computadora

• Reconocimiento de caracteres ópticos, reconocimiento de escritura.
• Yolo: Instalación de la Biblioteca de detección de objetos de tiempo real (DarkNet) (Yavuz Kömeçoğlu)
• ¿Cómo aseguramos la percepción de nuestra propia persona o objeto privado en Yolo? (Yavuz Kömeçoğlu)
• ¿Cómo mejorar las imágenes de reconocimiento de aplicaciones móviles? (Özgür şahin)
• Desarrolle una aplicación móvil que clasifique la imagen en 10 minutos (Özgür şahin)

Marcos

Cafetería

• Guía Caffe - Guía de trabajo con Caffe con todos los detalles (Birol Kuyumcu)
• Uso práctico de la cafetería (joyería Birol)
• Caffe Fine Tuning: Uso de Caffe con sus propios datos (Yavuz Kömeçoğlu)
• Instalación de Caffe para el sistema operativo Windows (Mesut Pişkin)

Milagro

• Introducción a Keras-1 (Joyería Birol)
• Introducción a Keras-2 (LSTM) (Joyería Birol)
• Documentación turca de Keras (Kemalcan Bora)
• Instalación de Keras (̇brahim delibaşoğlu)
• Clasificación de datos de sonar con Keras (̇Brahim Delibaşoğlu)

Flujo tensor

• Introducción al aprendizaje profundo con TensorFlow (Emre Durukan)
• Comprensión de TensorFlow (M.Cemil Güney)
• Documentos de entrenamiento turco Tensorflow (Ayse Elvan Aydemir)
• Tensorflow 101 (Seray Beşer)

Pytorch

• Introducción al aprendizaje profundo con Pytorch: Instalación (joven original)

Deeplearning4J

• Introducción al aprendizaje profundo con Deeplearning4J (Mesut Pişkin)
• Arquitectura de profundidad 4J (Mesut Pişkin)
• Redes neuronales artificiales con Deeplearning4J (Mesut Pişkin)

Avalancha

• Guía de herramientas de Fann (joyería Birol)

Soporte de hardware y nube

Hardware

Serie Nvidia Titan

Serie Nvidia Jetson TX

Intel-Movidius neural Compute Stick

• ¿Qué es la palo de cómputo neural Intel-Movidius y cómo usar (Merve Ayyüce Red)
• Raspberry Pi 3 en Intel Movidius Neural Compute Stick ejecutando aplicaciones de aprendizaje profundo (Yavuz Kömeçoğlu)

Nublado

Google Colaboratorio

• Uso gratuito de GPU con Google Colab (FUAT)

Guías de preparación e instalación del sistema para el aprendizaje profundo

Instalación del controlador de tarjeta gráfica, CUDA y CUDNN

• Guía de instalación de NVIDIA GPU, CUDA y Cudnn (Ender Ayhan Rencüzoğulları)

Cuaderno de Microsoft Azure

Artículos científicos

General (revisión/encuesta)

• Una revisión de los métodos y aplicaciones de aprendizaje profundo (Abdulkadir şeker, Banu Diri, Hasan Hüseyin Balık)

Visión por computadora

• Marvel: un conjunto de datos de imágenes a gran escala para embarcaciones marítimas (Erhan Gündoğdu, Berkan Solmaz, Veysel Yücesy, Aykut Koç)
• Clasificador de reconocimiento facial basado en la reducción de la dimensión en las propiedades de aprendizaje profundo (Ahmet Bilgiç, Onur Can Kurban, Tülay Yıldırım)
• Aplicación de reconocimiento de firma basada en el aprendizaje profundo (Nurullah çalık, onur Can Kurban, Ali Rıza Yılmaz, Lütfiye Durak Ata, Tülay Yıldırım)
• En las hojas de identificación: una comparación de CNN con métodos ML clásicos (Mohamed Abbas Hedjazi, Ikram Kourbane, Yakup Genç)
• En las hojas de identificación: una comparación de CNN con métodos ML clásicos (Bak contemporáneo, Aysun Koçak, Erkut Erdem, Aykut Erdem)
• Explotación de patrones de filtro de convolución para el aprendizaje de transferencia (Mehmet Aygün, Yusuf Aytar, Hazim Kemal Ekenel)
• El desafío de reconocimiento del oído sin restricciones (žiga emeršič, Dejan Štepec, Vitomir Štruc, Peter Peer, Anjith George, Adil Ahmad, Elshibani Omar, Terrance E. Bult, Reza Safdari, Yuxiang Zhou, Stefanos Zafeirio Fevziye I. Eyiokur, Hazim K.
• Combinando la agrupación espacial LiDAR y las redes neuronales convolucionales para la detección de peatones (Damien Matti, Hazim Kemal Ekenenel, Jean-Philippe Thiran)
• Combinando múltiples puntos de vista para el reconocimiento visual de voz (Marina Zimmermann, Mostafa Mehdipour Ghazi, Hazim Kemal Ekenel, Jean-Philippe Thiran)
• Un sistema de visión por computadora para localizar y clasificar desechos en las calles (Mohammad Saeed Rad, Andreas von Kaenel, Andre Droux, Francois Tieche, Nabil Ouerhani, Hazim Kemal Ekenel, Jean-Philippe Thiran)

Procesamiento de lenguaje natural turco

• Características lingüísticas en represiones de palabras turcas (Onur Güngör, Eray Yıldız)
• Incrustos morfológicos para el reconocimiento de entidad nombrado en idiomas morfológicamente ricos (Onur Güngör, Eray Yıldız, Suzan üsküdarlı, Tunga Güngör)
• Parser Zemberek para Python3.x (Kemalcan Bora)
• Una red consciente de la morfología para la desambiguación morfológica (Eray Yildiz, Caglar Tirkaz, H. Bahadir Sahin, Mustafa Tolga Eren, Ozan Sonmez)
• Corpus turco anotado automáticamente para el reconocimiento de entidades nombrado y la categorización de texto utilizando gazeteers a gran escala (H. Bahadır şahin, çağlar Tirkaz, Eray Yıldız, Mustafa Tolga Eren, Ozan Sönmez)
• Procesamiento de lenguaje turco y natural (Kemal ofLazer)
• Turco y sus desafíos para el procesamiento del lenguaje (Kemal oflazer)
• Servidor REST de Zemberek Docker (Canbey Bilgili)

Procesamiento de sonido

• Un sistema de recuperación de información musical para makams de música turca clásica (Merve Ayyüce Kızrak, Bülent Bolat)

Adivinar

• Predicación intradía del intercambio de bort iestanbul us.

Seguridad cibernética

• Determinación de los ataques de servicio dispuestos utilizando tecnologías de aprendizaje profundo (Ferhat Özgür çatak, Ahmet fatih Mustaçoglu)
• CPP-ELM: Máquina de aprendizaje extremo de la privacidad de criptografía para sistemas de nubes (Ferhat Özgür çatak, Ahmet fatih Mustaçoglu)

Datos

• Datos de datos del lenguaje de señas (Türkiye Ankara Ayrancı Anatolian High School - Zeynep Dikle y Arda Mavi)
• Marvel: un conjunto de datos de imágenes a gran escala para embarcaciones marítimas (Erhan Gündoğdu, Berkan Solmaz, Veysel Yücesy, Aykut Koç)
• Bases de datos del grupo de procesamiento de lenguaje natural de la Universidad Técnica de Yıldız (grupo de procesamiento del lenguaje natural de oso yute) Grupo)
• [TTC-3600: Un nuevo conjunto de datos de referencia para la categorización de texto turco] (https://github.com/Denopas/ttc-3600)
• Conjunto de datos de sentimientos turcos (Fan de Ahmet, Mustafa Sert)
• Wikipedia en inglés/turco Nombrado Notidad de reconocimiento de datos de categorización de texto (H. Bahadır şahin, çağlar Tırkaz, Eray Yıldız, Mustafa Tolga Eren, Ozan Sönmez)
• Turkish NLP DataSet (Sezer, B., Sezer, T. 2013.
• 1B Tokens Corpus turco y vectores de palabras turcas y pares de tareas de razonamiento analógico (Onur Gungor, Eray Yildiz, "Características lingüísticas en representaciones de palabras turcas", SIU, Antalya, 2017)
• Recursos del idioma turco compilados por Deniz Yüret
• Metu-Sabanci Turco Treebank
• Semeval-2016 Tweets Tweets-Turkish: prueba de datos A (subtarea 1)
• Semeval-2016 Revistas de restaurantes Absa-Turkish: datos de trenes (Subtarasa 1)
• Corpus para paráfrasis turco (TUPC) (Eyecioglu, Asli y Bill Keller.
• Wordnet turco (rey) (Sasmaz, E., R. Ehsani, Ot Yildiz, "Extracción de Hypernym de Wikipedia y Wiktionario", Siu, Antalya, Turquía, 2017)
• Conjunto de datos de discurso de Parkinson con múltiples typechs múltiples de grabaciones de sonido Conjunto de datos (Erdogdu Sakar, B., Isenkul, M., Sakar, Co, Sertbas, A., Gurgen, F., S., Apaydin, H., Kursun, O. Tipos de grabaciones de sonido ''
• Turquía Conjunto de datos de evaluación de estudiantes (Gunduz, G. y Fokoue, E. (2013).).
• Conjunto de datos de la planta de energía del ciclo combinado (Pınar Tüfekci, Predicción de la salida de potencia eléctrica de carga completa de una planta de energía combinada de ciclo combinado de carga base utilizando métodos de aprendizaje automático, International Journal of Electrical Power & Energy Systems, Volme 60, septiembre de 2014, páginas 126-140, ISSN 0142-06)
• Conjunto de datos de dermatología (G. G. Demiroz, HA Govenir y N. Ilter, "Aprender el diagnóstico diferencial de enfermedades eryhemato-escasas utilizando intervalos de votación", Inteligencia de aritio en medicina, 1998-2004)
• Conjunto de datos de arritmia (H. Altay Guvenir, Burak Acar, Gulsen Demiroz, Ayhan Cekin "Un algoritmo de aprendizaje automático supervisado para el análisis de arrititmia.
• Conjunto de datos de caracteres artificiales (H. Altay Genir et al, 1992)
• Turco de herramientas de procesamiento de lenguaje natural: integrado en Zemberek
• 235.000 revisiones de productos turcos
• ODP TR-30 Turkish Search Resultado de datos de datos de datos de agrupación (çalı, 2010)
• DataTi de la ropa en Modacruz y Zara (Kemalcan Bora)

Lecciones de video

General

• Ankara Deep Learning - Evento de aprendizaje profundo 1 (Ferhat Kurt) {96 minutos}
• Metu Image Analysis Aplication and Research Center (OGAM) Summer School 2016 (METU)

Redes neuronales artificiales

• Red neural 1: Introducción a la educación y conceptos (Dr. Sadi Evren Seker @bilgisayarkavramlari) {23 minutos}
• Red neural 2: Concepto de Perceptron and Learning (Dr. Sadi Evren Seker @BilgisayFramlari) {13 minutos}
• Red neural 3: Redes neuronales artificiales de la capa múltiple (Dr. Sadi Evren Seker @bilgisayarkavramlari) {13 minutos}
• Matemáticas de redes neuronales artificiales y codificación de matemáticas en 18 líneas (Mehmet Burak Saycı)

Inteligencia artificial

• Inteligencia artificial (Inteligencia Artificial) - Lista de reproducción (Dr. Sadi Evren Seker @BilgisayFramlari) {48 Video}
• Inteligencia artificial y aprendizaje profundo (merve ayyüce rojo) {68 minutos}
• Edad de inteligencia artificial | Tedxmetuankara (Dr. şeyda Ertekin) {18 minutos}

Vista calculada

• Clasificación de imágenes percibidas remotas en el nivel de píxel Parte 1/2 (Erhan Abdullah (Erchan Aptodoula) @data Istanbul) {60 minutos}
• Clasificación de imágenes detectadas remotas en el nivel de píxel Sección 2/2 (Erhan Abdullah (Erchan Aptoula) @data Istanbul) {30 minutos}
• Deep Dive to Deep Learning (şefik First Serengil @Softtech Stage) {52 minutos}
• Guía de supervivencia en The Age of Machine Learning (̇efik ̇lkin Serengil @istanbul Coding Talks) {84 minutos}
• Aprendizaje profundo: ayer, presente, mañana (şefik ilkin serengil @bilgisayar cámaras de ingenieros) {100 minutos}
• Redes neuronales convolucionales con Keras (Mehmet Burak Saycı)
• Redes neuronales convolucionales con Keras (Mehmet Burak Saycı)

IoT

• Evento de aprendizaje IoT y Deep (Ferhat Kurt) {82 minutos}

Estructura

Milagro

• Serie de entrenamiento de video Keras (Mehmet Burak Count) {21 Video, aumentando}

Julia

• Introducción al aprendizaje profundo con Julia y Knet (Assoc. Dr. Deniz Yuret) {104 minutos}

Matconvnet

• Introducción al aprendizaje profundo con Matconvnet y Matlab (Ahmet Gökhan Poyraz) {5 videos, se realizarán adiciones}

Presentaciones

• Artificial Learning Summer School 2017 - Presentaciones (HUCVL)
• Aplicación de análisis de imágenes de METU Centro de investigación y Centro de Investigación (OGAM) Summer School 2016 - Presentaciones (METU)
• Metu Image Analysis Aplication and Research Center (OGAM) Summer School 2016 - Videos (METU)
• Aprendizaje profundo Türkiye - Procesamiento de lenguaje estadístico - Prof.D. Dr. Kemal Oflazer - Presentaciones (DLTR)

Github

Procesamiento del lenguaje natural

• Parser de Zemberek para Python3 (Kemalcan Bora)
• Incruscaciones de palabras turcas con datos de 900k (Savas y)
• Un analizador morfológico de estado finito para turco (Çağrı çöltekin)
• Análisis de significado turco con keras (positivo - negativo) (pájaro zeki)

Algoritmos de búsqueda

• C con C con C.

Vista calculada

• Clasificación de imágenes con CNN (Mesut Pişkin)
• Detección de género en tiempo real (Mesut Pişkin)
• Duygu-Duygu y Reconocimiento de género (Merve Ayyüce Kızrak-Yavuz Kömeçoğlu)
• Clasificación y análisis de parámetros del conjunto de datos CIFAR10 con CNN (TensorFlow)
• Clasificación del conjunto de datos FashionMnist con CNN (Zeki Bird)
• Clasificación del conjunto de datos CIFAR10 con CNN (Keras) (Zeki Bird)

Redes nerviosas

• Reconocimiento de personajes con red de nervios artificiales refustados (Mesut Pişkin)
• Redes neuronales artificiales con CPP (Enes Aydın)
• Protección de maquinaria (Seray Beşer)

Blogs

• Blog de aprendizaje profundo türkiye
• verdiFteri.com
• zekimakine.com
• veribilimcisi.com
• alpslabel.wordpress.com
• Makinogrenimi.wordpress.com
• Devhunteryz.wordpress.com

Libros

• Aprendizaje artificial - Ethem Alpaydın
• Aprendizaje profundo - Ian Goodfellow, Yoshua Bengio, Aaron Courville
• Procesamiento de imágenes OpenCV y aprendizaje artificial - Joyas de Birol
• Inteligencia artificial - Vasif Vagifoğlu Nabiyev

Concursos

• Mi experiencia y observaciones de competencia de Kaggle (Burak Özdemir)
• Kaggle BNP Paribas 93. Método y código de grado (3 %) y código (Ayşe Elvan Aldemir)

Aplicaciones móviles

• Lector de dinero para discapacidad visual (Özgür şahin)
• Visionigt (Kadir Mert Barutçuoğlu)