turkce yapay zeka kaynaklari Téléchargement - turkce yapay zeka kaynaklari ARTIFICIEL

turkce yapay zeka kaynaklari

Python

1.0.0

Télécharger

Sur cette page, vous pouvez trouver des études dans le domaine de l'apprentissage en profondeur et de l'apprentissage automatique (article de blog, leçons vidéo, articles scientifiques, codes, données) à Türkiye.

La page est soutenue par la communauté de la dinde en profondeur . Si vous avez des études sur l'apprentissage en profondeur et l'apprentissage automatique, vous pouvez remplir le formulaire de demande pour participer à la communauté de dinde en profondeur.

Vous pouvez nous suivre sur LinkedIn, Facebook et Twitter, vous pouvez lire nos articles de blog sur la plate-forme moyen-turc et moyen-anglais et contribuer si vous le souhaitez:

Pour ajouter de nouvelles sources à la page: suivez les instructions à l'adresse du guide de contribution.

Contenu

Problèmes de base
Algorithmes
Usages
Frameworks
Prise en charge du matériel et du cloud
Articles scientifiques
Données
Leçons vidéo
Présentations
Github
Blogs
Livres
Compétitions (kaggle etc.)
Applications mobiles

Problèmes de base

Basique: Ouvrir cette boîte noire: réseaux de neurones artificiels (Merve Ayyüce Kızrak)
Motivation: L'histoire de l'intelligence artificielle et de l'apprentissage en profondeur (Merve Ayyüce Kızrak)
Deep Learning Start Set - matériel et logiciel (Arda Blue)
Intelligence artificielle - Naissance de machines qui pensent et produisent (Arda Blue)
Apprentissage en humain et machine (Arda Blue)
Série d'images et de numéros sur ordinateur (Arda Blue)
Deep Learning 1 (bijoux Birol)
Deep Learning 2 (bijoux Birol)
Deep Learning 3 (bijoux Birol)
Apprentissage en profondeur, intelligence artificielle et informatique (Burak Bayramli)
L'apprentissage automatique est amusant (Özgür şahin)
L'apprentissage automatique est amusant 2 (yenel atakan)
Qu'est-ce que l'apprentissage automatique? (Halil İbrahim şafak)
Machine Learning 101 (Seray Beşer)
Deep Learning 101 (Seray Beşer)
Mathématiques d'apprentissage automatique (Seray Beşer)
Guide pour être un scientifique des données (şefik İlkin Serengil)
Python: Programmation de zéro à l'expertise (Kaan Can Yılmaz)
Science des données et Python (Kaan Can Yılmaz)
Données à quels
Apprentissage automatique (Kaan Can Yılmaz)

Algorithmes

Conseils pour les algorithmes

Les hyper-paramètres les plus couramment utilisés dans les applications d'apprentissage en profondeur (NECMETTIN Çarkacı)
Succès dans les applications d'apprentissage en profondeur (NECMETTIN Çarkacı)

Réseaux de neurones artificiels (réseaux de neurones artificiels)

Introduction aux réseaux de neurones artificiels (Arda Blue)
Réseaux de neurones artificiels (Birol Akan Esen)
Réseaux de neurones artificiels Concepts de base: Perceptron, fonction de score et calcul d'erreur (fonction de perte) (Necmettin çarkacı)
Réseaux de neurones: pour apprendre des erreurs passées (şefik İlkin Serengil)
Guide d'examen des algorithmes d'apprentissage des réseaux de neurones: algorithme de remboursement (şefik İlkin Serengil)
Réseau nainte (Seray Beşer)
Perceper (Perceptron (P)) (Seray Beşer)
Feed Forward (FF)) (Seray Beşer)
Réseau nerveux récurrent (RNN) (RNN) (Seray Beşer)
Deep Freed (DFF) (DFF)) (Seray Beşer)
Mémoire longue / à court terme (mémoire à long / court terme (LSTM)) (Seray Beşer)
Réseau de base radiale (RBF)) (Seray Beşer)
Unité récurrente fermée (GR)) (Seray Beşer)
Encodeur automatique (Encodeur automatique (AE)) (Seray Beşer)
Codeur automatique variationnel (VAE) (VAE)) (Seray Beşer)
Noise soulageant le codeur automatique (DAE) (Seray Beşer)
Coder automatique clairsemé (SAE) (SAE) (Seray Beşer)
Markov Chain (Markov Chain (MC)) (Seray Beşer)
Hopfield Network (HN) (HN)) (Seray Beşer)
Boltzmann Machine (Boltzmann Machine (UN)) (Seray Beşer)
Machine Boltzmann restreinte (Rastrcricted UN (RBM)) (Seray Beşer)
Network de croyance profonde (Network Deep BelifeF (DBN)) (Seray Beşer)
Réseau neuronal convolutionnel (CNN)) (Seray Beşer)

Réseaux de neurones convolutionnels)

Une comparaison profonde: Inception et Res-Net se comportent (la connexion sera mise à jour!) (Merve Ayyüce Kızrak)
Deep plus profonde: les réseaux nerveux en évolution (Merve Ayyüce Kızrak)
Entrée de l'évolution des réseaux nerveux (Arda Blue)
Étude sur les données MNIST avec des keras basés sur TensorFlow (Erdogan Bavas)
Une courte entrée pour les réseaux de neurones convigiques (şefik İlkin Serengil)
Transfert d'apprentissage: utilisation de Inception V3 avec Keras (şefik İlkin Serengil)

Capsule Networks)

Grande innovation en intelligence artificielle: réseaux de capsule (Merve Ayyüce Kizrak)

Réseaux de fabricants contemporains (réseaux contradictoires génératifs)

Réseaux adversaires génératifs - Qu'est-ce que Gan? (Turc) (Muhammad Buyukkınacı)

Autocodeurs (autoencoders)

Réseaux de neurones artificiels: Autoencoders (Faruk Eroğlu)
Autoencoder (Seray Beşer)
Denoiseing Autoencoder (Seray Beşer)
Coder automatique clairsemé (Carsese Autoencoder) (Seray Beşer)
Autoencoder variationnel) (Seray Beşer)

Usages

Traitement du langage naturel)

Analyse des émotions avec Keras (bijoux Birol)
Premières étapes du traitement du texte turc (İlker Birbil)

Cybersécurité (cybersécurité)

Détermination des attaques de services disposées à l'aide de technologies d'apprentissage en profondeur (Ferhat Özgür Çatak, Ahmet Fatih Mustaçoglu)

Vision par ordinateur

Reconnaissance optique des caractères, reconnaissance de l'écriture.
YOLO: Installation de la bibliothèque de détection d'objets réels (Darknet) (Yavuz Kömeçoğlu)
Comment assurer la perception de notre propre personne ou objet privé à Yolo? (Yavuz Kömeçoğlu)
Comment améliorer les images de reconnaissance des applications mobiles? (Özgür şahin)
Développer une application mobile qui classe l'image en 10 minutes (Özgür şahin)

Frameworks

Caffe

Guide de la Caffe - Guide de travail avec Caffe avec tous les détails (Birol Kuyumcu)
Utilisation pratique de la café
Caffe Fine Tuning: Utilisation de Caffe avec vos propres données (Yavuz Kömeçoğlu)
Installation de la Caffe pour le système d'exploitation Windows (Mesut Pişkin)

Miracle

Introduction à Keras-1 (bijoux Birol)
Introduction à Keras-2 (LSTM) (bijoux Birol)
Documentation turque de Keras (Kemalcan Bora)
Installation de Keras (İbrahim Delibaşoğlu)
Classification des données de sonar avec Keras (İbrahim Delibaşoğlu)

Tensorflow

Introduction à l'apprentissage en profondeur avec Tensorflow (Emre Durukan)
Comprendre Tensorflow (M.Cemil Güney)
Documents de formation turcs de Tensorflow (Ayse Elvan Aydemir)
Tensorflow 101 (Seray Beşer)

Pytorch

Introduction au Deep Learning with Pytorch: Installation (Original Young)

Deeplearning4j

Introduction à l'apprentissage en profondeur avec Deeplearning4J (Mesut Pişkin)
Architecture DeepLearning4J (Mesut Pişkin)
Réseaux de neurones artificiels avec Deeplearning4J (Mesut Pişkin)

Fan

Guide d'outils Fann (bijoux Birol)

Prise en charge du matériel et du cloud

Matériel

Série Nvidia Titan

Série Nvidia Jetson TX

Stick de calcul neuronal Intel-Movidius

Qu'est-ce que le bâton de calcul neuronal Intel-Movidius et comment utiliser (Merve Ayyüce Red)
Raspberry Pi 3 sur Intel Movidius Neural Compute Stick Running Deep Learning Applications (Yavuz Kömeçoğlu)

Nuageux

Google Colaboratory

Utilisation gratuite du GPU avec Google Colab (FUAT)

Guides de préparation et d'installation du système pour l'apprentissage en profondeur

Conducteur de carte graphique, installation CUDA et CUDNN

NVIDIA GPU Driver, Cuda et Cudnn Installation Guide (Ender Ayhan Rencüzoğulları)

Microsoft Azure Notebook

Articles scientifiques

Général (revue / enquête)

Un examen des méthodes et applications d'apprentissage en profondeur (Abdulkadir şeker, Banu Diri, Hasan Hüseyin Balık)

Vision par ordinateur

Marvel: un ensemble de données d'image à grande échelle pour les navires maritimes (Erhan Gündoğdu, Berkan Solmaz, Veysel Yücesoy, Aykut Koç)
Classificateur de reconnaissance faciale basée sur la réduction des dimensions des propriétés d'apprentissage en profondeur (Ahmet Bilgiç, onur Can Kurban, Tülay Yıldırım)
Application de reconnaissance de signature basée sur l'apprentissage en profondeur (Nurullah Çalık, Onur Can Kurban, Ali Rıza Yılmaz, Lütfiye Durak Ata, Tülay Yıldırım)
Sur les feuilles d'identification: une comparaison de CNN avec les méthodes ML classiques (Mohamed Abbas Hedjazi, Ikram Kourbane, Yakup Genç)
Sur les feuilles d'identification: une comparaison de CNN avec les méthodes ML classiques (Bak contemporain, Aysun Koçak, Erkut Erdem, Aykut Erdem)
Exploiter les motifs de filtre de convolution pour l'apprentissage du transfert (Mehmet Aygün, Yusuf Aytar, Hazim Kemal Ekenel)
Le défi de reconnaissance de l'oreille sans contrainte (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.
Combiner le regroupement des espaces lidar et les réseaux de neurones convolutionnels pour la détection des piétons (Damien Matti, Hazim Kemal Ekenenel, Jean-Philippe Thiran)
Combinant plusieurs vues pour la reconnaissance de la parole visuelle (Marina Zimmermann, Mostafa Mehdipour Ghazi, Hazim Kemal Ekenel, Jean-Philippe Thiran)
Un système de vision informatique pour localiser et classer les déchets dans les rues (Mohammad Saeed Rad, Andreas von Kaenel, Andre Droux, François Tieche, Nabil Ouerhani, Hazim Kemal Ekenel, Jean-Philippe Thiran)

Traitement turc du langage naturel

Caractéristiques linguistiques dans les répressions de mots turques (ONUR Güngör, ERAY Yıldız)
Les intérêts morphologiques pour la reconnaissance des entités nommés dans des langues morphologiquement riches (Onur Güngör, Eray Yıldız, Suzan üsküdarlı, Tunga Güngör)
Parser Zemberek pour Python3.x (Kemalcan Bora)
Un réseau de morphologie pour la désambiguïsation morphologique (Eray Yildiz, Caglar Tirkaz, H. Bahadir Sahin, Mustafa Tolga Eren, Ozan Sonmez)
Corpus turc annoté automatiquement pour la reconnaissance et la catégorisation de texte des entités nommées à l'aide de Gazeteers à grande échelle (H. Bahadır şahin, çağlar Tirkaz, Eray Yıldız, Mustafa Tolga Eren, Ozan Sönmez)
Traitement turc et en langage naturel (Kemal Oflazer)
Turc et ses défis pour le traitement du langage (Kemal Oflazer)
Zemberk Docker Rest Server (Canbey Bilgili)

Traitement du son

Un système de récupération de l'information musicale pour la musique turque classique Makams (Merve Ayyüce Kızrak, Bülent Bolat)

Deviner

Prédication intraday de l'échange de Bort Istanbul USiNN Networks de neurones convolutionnels et des corrélations (Hakan Gündüz, Yusuf Yaslan, Zehra Çataltepe)

Cybersécurité

Détermination des attaques de services disposées à l'aide de technologies d'apprentissage en profondeur (Ferhat Özgür Çatak, Ahmet Fatih Mustaçoglu)
CPP-ELM: Machine d'apprentissage extrême préservant la confidentialité de la cryptographie pour les systèmes de nuages (Ferhat Özgür çatak, Ahmet Fatih Mustaçoglu)

Données

Données de données sur la langue des signes (Türkiye Ankara Ayrancı Anatolian High School - Zeynep Dikle & Arda Mavi)
Marvel: un ensemble de données d'image à grande échelle pour les navires maritimes (Erhan Gündoğdu, Berkan Solmaz, Veysel Yücesoy, Aykut Koç)
Bases de données du groupe de traitement du langage naturel du langage naturel de l'université technique de l'université technique (groupe de traitement du langage naturel YTU))
[TTC-3600: un nouvel ensemble de données de référence pour la catégorisation de texte turc] (https://github.com/denopas/ttc-3600)
Turkish Sentiment Dataset (Ahmet Fan, Mustafa SERT)
Wikipedia anglaise / turc de la NAMATY-NOTITY RECONDATION ET Texte de la catégorisation du texte (H. Bahadır şahin, çağlar Tırkaz, Eray Yıldız, Mustafa Tolga Eren, Ozan Sönmez)
L'ensemble de données Turkish NLP (Sezer, B., Sezer, T. 2013.
1B Tokens Corpus turc et vecteurs de mots turcs et paires de tâches de raisonnement analogique (Onur Gungor, Eray Yildiz, "Caractéristiques linguistiques dans les représentations de mots turques", Siu, Antalya, 2017)
Ressources linguistiques turques compilées par Deniz Yüret
Mettu-Sabanci Turkish Treebank
Tweets SEMEVAL-2016 ABSA Télécomes Tweets-Turkish: Test Data-Phase A (Subtask 1)
SEMEVAL-2016 ABSA Restaurant Reviews-Turkish: Train Data (Subtask 1)
Turkish Paraphrase Corpus (TUPC) (Eyecioglu, Asli et Bill Keller.
Wordnet turc (King) (Sasmaz, E., R. Ehsani, Ot Yildiz, "Extraction d'hypernym de Wikipedia et Wiktionary", Siu, Antalya, Turquie, 2017)
Ensemble de données de la parole de Parkinson avec plusieurs types de données Typechs de Sound Recordments (Erdogdu Sakar, B., Isenkul, M., Sakar, Co, Sertbas, A., Gurgen, F., S., Apaydin, H., Kursun, O. Types d'enregistrements sonores '
Ensemble de données d'évaluation des étudiants en Turquie (Gunduz, G. & Fokoue, E. (2013).).
Ensemble de données de centrales électriques à cycle combiné (Pınar Tüfekci, Prédiction de la puissance de sortie électrique à pleine charge d'une charge de base combinée de cycle combinée combinée à l'aide de méthodes d'apprentissage automatique, International Journal of Electrical Power & Energy Systems, Volme 60, septembre 2014, pages 126-140, ISSN 0142-06)
Ensemble de données de dermatologie (G. G. Demiroz, Ha Govenir et N. Ilter, "Learning Différenceal Diagnostic of Eryhemato-Squamous Diseases Utilising Feature Intervals", Arithation Intelligence in Medicine, 1998-2004)
Ensemble de données d'arythmie (H. Altay Guvenir, Burak ACAR, Gulsen Demiroz, Ayhan Cekin "Un algorithme d'apprentissage automatique supervisé pour l'analyse de l'arythythmie.
Ensemble de données sur les caractères artificiels (H. Altay Guvenir et al, 1992)
Boîte à outils de traitement du langage naturel turc - incorporé dans Zemberek
235.000 revues de produits turcs
ODP TR-30 Turkish Search Result Clustering DataSet (Çalı, 2010)
Datati des vêtements dans Modacruz et Zara (Kemalcan Bora)

Leçons vidéo

Général

Ankara Deep Learning - Deep Learning Event 1 (Ferhat Kurt) {96 minutes}
METU Image Analysis Application and Research Center (OGAM) Summer School 2016 (METU)

Réseaux de neurones artificiels

Réseau neuronal 1: Introduction à l'éducation et aux concepts (Dr Sadi Evren Seker @bilgisayarkavramlari) {23 minutes}
Network Network 2: Concept de Perceptron and Learning (Dr Sadi Evren Seker @BilgisayFramlari) {13 minutes}
Réseau neuronal 3: Réseaux de neurones artificiels multi-utiles (Dr Sadi Evren Seker @bilgisayarkavramlari) {13 minutes}
Mathématiques des réseaux de neurones artificiels et du codage mathématique en 18 lignes (Mehmet Burak Saycı)

Intelligence artificielle

Intelligence artificielle (intelligence artificielle) - Liste de jeu (Dr Sadi Evren Seker @BilgisayFramlari) {48 VIDEO}
Intelligence artificielle et apprentissage en profondeur (Merve Ayyüce Red) {68 minutes}
Âge de l'intelligence artificielle | Tedxmetuankara (Dr şeyda ertekin) {18 minutes}

Vue calculée

Classification des images perçues éloignées au niveau du pixel partie 1/2 (Erhan Abdullah (Erchan aptodoula) @data istanbul) {60 minutes}
Classification des images détectées à distance au niveau des pixels Section 2/2 (Erhan Abdullah (Erchan aptoula) @data istanbul) {30 minutes}
Dive profonde vers l'apprentissage en profondeur (şefik First Serengil @SoftTech Stage) {52 minutes}
Guide de survie à l'ère de l'apprentissage automatique (şefik İlkin Serengil @istanbul codage pourparlers) {84 minutes}
Deep Learning: Hier, présent, demain (şefik Ilkin Serengil @Bilgisayar Chamber of Engineers) {100 minutes}
Réseaux de neurones convolutionnels avec Keras (Mehmet Burak Saycı)
Réseaux de neurones convolutionnels avec Keras (Mehmet Burak Saycı)

IoT

Événement IoT et Deep Learning (Ferhat Kurt) {82 minutes}

Cadre

Miracle

Keras Video Training Series (Mehmet Burak Count) {21 Vidéo, augmentant}

Julia

Introduction à l'apprentissage en profondeur avec Julia et Knet (Assoc. Dr Deniz Yuret) {104 minutes}

MatConvnet

Introduction à l'apprentissage en profondeur avec MatConvnet et Matlab (Ahmet Gökhan Poyraz) {5 vidéos, les ajouts seront faits}

Présentations

École d'été d'apprentissage artificiel 2017 - Présentations (HUCVL)
METU Image Analysis Application and Research Center (OGAM) Summer School 2016 - Présentations (METU)
École d'été d'application et de recherche sur l'analyse d'image METU (OGAM) - Vidéos (METU)
Deep Learning Türkiye - Traitement statistique du langage - Prof.Dr. Dr Kemal Oflazer - Présentations (DLTR)

Github

Traitement du langage naturel

Zemberek Parser pour Python3 (Kemalcan Bora)
Les incorporations de mots turques avec 900 000 données (SAVAS Y)
Un analyseur morphologique de l'État fini pour turc (çağrı çöltekin)
Analyse de sens turque avec Keras (positif - négatif) (oiseau Zeki)

Rechercher des algorithmes

C avec C avec C.

Vue calculée

Classification d'image avec CNN (Mesut Pişkin)
Détection de genre en temps réel (Mesut Pişkin)
Duygu-duygu et reconnaissance de genre (Merve Ayyüce Kızrak-Yavuz Kömeçoğlu)
Classification et analyse des paramètres de l'ensemble de données CIFAR10 avec CNN (TensorFlow)
Classification de l'ensemble de données FashionMnist avec CNN (Zeki Bird)
Classification de l'ensemble de données CIFAR10 avec CNN (Keras) (Zeki Bird)

Réseaux nerveux

Reconnaissance des personnages avec réseau de nerf artificiels révolutionnaires (Mesut Pişkin)
Réseaux de neurones artificiels avec CPP (Enes Aydın)
Protection des machines (Seray Beşer)