Name: Python ile Yapay Zeka: A'dan Z'ye Reinforcement Learning (7)
Rating: 4.4 (670 reviews)

Udemy Business

Teach on Udemy

Turn what you know into an opportunity and reach millions around the world.

Learn More

Your cart is empty.

Keep shopping

Created byDATAI TEAM

Last updated 9/2024

Turkish

What you'll learn

Yapay Zeka (Pekiştirmeli Öğrenme) algoritmalarının ardında yatan matematiği, mantığı, teoriyi ve bu algoritmaların Python ile sıfırdan nasıl kodlanacağını
Hem birlikte kodlayacağımız hem de bireysel olarak yapacağınız farklı Yapay Zeka (Pekiştirmeli Öğrenme) projeleri
Bir Yapay Zeka modelinin (Agent) veriye bağlı olmadan kendi kendine nasıl eğitilebileceğini
Q-Learning, Deep Q-Learning gibiYapay Zeka (Pekiştirmeli Öğrenme) algoritmalarını
Yapay Zeka (Pekiştirmeli Öğrenme) algoritmalarını kullanmak için Python ile oyun ortamı (Atari Game) yaratmayı
Dünyada Yapay Zeka (Pekiştirmeli Öğrenme) algoritmalarının nasıl, neden ve ne için kullanıldığını
Kendi başınıza Yapay Zeka (Pekiştirmeli Öğrenme) algoritması geliştirmeyi
İsteğe bağlı (opsiyonlu): EK-1,2,3: Yapay Sinir Ağları, Nesne Tabanlı Programlama, Evrişimsel Sinir Ağları

Course content

9 sections • 140 lectures • 16h 30m total length

Reinforcement Learning Ders Programı3:16
Reinforcement Learning Nedir?6:37
Reinforcement Learning Popüleritesi2:08
Kurulumlar: Anaconda, Python, Keras, Gym, Pygame, Pybox2d11:21
GitHub: Kaynaklar1:40
İndirilebilir Kaynaklar0:15

Q-Learning Ders Programı1:30
Q-Learning Nedir?15:55
State (Durum)7:07
Action (Hareket)6:34
Reward (Ödül)12:12
Q-Learning Taxi Environment Projesi: Giriş11:12
Q-Learning Taxi Environment Projesi: Gym-113:43
Q-Learning Taxi Environment Projesi: Gym-215:50
Bellman Equation (Bellman Denklemi)16:15
Deterministic vs Stochastic Environments1:41
Markov Decision Process (MDP)8:35
Q-Learning8:55
Temporal Difference (TD)13:16
Q-Learning Algoritması ve Q-Table9:52
Exploitation vs Exploration4:49
Living Penalty4:49
Q-Learning Proje 1: Taxi Environment Şablon12:04
Q-Learning Taxi Environment Projesi: Q-Learning Giriş5:44
Q-Learning Taxi Environment Projesi: Action (Hareket)9:27
Q-Learning Taxi Environment Projesi: Q-Learning Fonksiyonu15:42
Q-Learning Taxi Environment Projesi: Görselleştirme2:45
Q-Learning Taxi Environment Projesi: Q-Table Yorumlama5:31
Q-Learning Frozen Lake Environment Projesi4:04
Q-Learning Frozen Lake Environment Projesi Kodları5:05
Q-Learning Sonuç1:34

Deep Q-Learning Ders Programı1:18
Q-Learning vs Deep Q-Learning (DQL)8:37
ANN Review (Yapay Sinir Ağları Gözden Geçirme)3:14
Deep Q-Learning-111:55
Deep Q-Learning -220:04
Experience Replay4:25
Adaptive Epsilon Greedy4:19
DQL Cart Pole Environment Projesi: Giriş4:39
DQL Cart Pole Environment Projesi: Template (Şablon)6:16
DQL Cart Pole Environment Projesi: Template Coding (Şablon Kodlama)9:42
DQL Cart Pole Environment Projesi: Deep Q-Learning Main13:09
DQL Cart Pole Environment Projesi: Initializer5:40
DQL Cart Pole Environment Projesi: Adaptive Epsilon Greedy2:37
DQL Cart Pole Environment Projesi: Remember (Depolama)0:55
DQL Cart Pole Environment Projesi: Build Model (Agent)3:23
DQL Cart Pole Environment Projesi: Acting (Hareket)3:57
DQL Cart Pole Environment Projesi: Replay (Tekrarlama)9:25
DQL Cart Pole Environment Projesi: Test8:35
DQL Lunar Lander Environment Projesi6:51
DQL Lunar Lander Environment Projesi Kodları7:59
Deep Q-Learning Sonuç0:59

Convolutional Neural Network (CNN) Gözden Geçirme1:19
Deep Convolutional Q-Learning Nedir?5:43
Pong Oyunu Kodlama Planı3:23
Environment Design Sabit Değişkenler12:29
Pong Oyunu İnitializer Metodu9:58
Pong Oyunu İnitializer Display Metodu9:31
Pong Oyunu Update Metodu14:11
Pong Oyunu Move Metodu18:31
Pong Oyunu Agent Sabit Değişkenler7:29
Pong Oyunu Agent İnitializer Metodu1:54
Pong Oyunu Agent Neural Network Modeli4:59
Pong Oyunu Agent Choose Action3:09
Pong Oyunu Agent Capture Images3:40
Pong Oyunu Agent Process Metodu6:43
Pong Oyunu Train Agent Sabit Değişkenler3:26
Pong Oyunu Train Agent Resim Preprocess3:23
Pong Oyunu Train Agent Model Eğitimi14:28
Pong Oyunu Train Agent Sonuçlar0:40
DCQL Sonuç1:21

Gözden Geçirme/Opsiyonel Ders0:27
Artificial Neural Network Genel Bakış2:05
Artificial Neural Network Nedir11:27
Artificial Neural Network Computation Graph12:22
2-Layer Neural Network1:34
Initializing Parameters6:21
Forward Propagation4:01
Loss and Cost Functions2:12
Backward Propagation4:25
Update Parameters3:01
Prediction3:23
Create ANN Model9:18
L-Layer Neural Network7:03
Neural Network with Keras14:02
Neural Network with Pytorch2:16
Neural Network Tensorflow Playground14:38

Gözden Geçirme/Opsiyonel Ders0:27
Convolutional Neural Network Genel Bakış4:15
Dataset ve CNN Kernel6:54
Loading Data Set12:01
Normalization - Reshape - Label Encoding7:26
Train - Test Split5:33
Convolutional Neural Network (CNN)7:30
Convolution Operation Nedir14:47
Same Padding5:15
Max Pooling3:34
Flattening2:05
Fully Connected5:02
CNN Implementing with Keras2:08
Create Model8:54
Adam Optimizer1:46
Compiler2:13
Batch and Epoch2:46
Data Augmentation3:11
Fit the Model2:27
Evaluate the Model5:04
CNN with Pytorch1:22
BONUS

Requirements

Artificial Neural Networks (Yapay Sinir Ağları): Bu konu, bu kurs içerisinde EK-1 de anlatılmaktadır. Bu ders videoları isteğe bağlıdır. Eğer konuyu biliyorsanız izlemenize gerek yoktur.
Python ile Nesne Tabanlı Programlama: Bu konu, bu kurs içerisinde EK-2 de anlatılmaktadır. Bu ders videoları isteğe bağlıdır. Eğer konuyu biliyorsanız izlemenize gerek yoktur.
Convolutional Neural Networks (Evrişimsel Sinir Ağları): Bu konu, bu kurs içerisinde EK-3 de anlatılmaktadır. Bu ders videoları isteğe bağlıdır. Eğer konuyu biliyorsanız izlemenize gerek yoktur.

Description

Merhaba arkadaşlar,

Bu kurs 7 adımlık Yapay Zeka yolculuğumuzun nihai hedefi olan Yapay Zeka (Reinforcement Leaning) kursudur.

Python: Python Sıfırdan Uzmanlığa Programlama (1)
Data Science ve Python: Sıfırdan Uzmanlığa Veri Bilimi (2)
Data Visualization: A'dan Z'ye Veri Görselleştirme (3)
Machine Learning ve Python: A'dan Z'ye Makine Öğrenmesi (4)
Deep Learning (Derin Öğrenme)
Statistical Learning (İstatistik)
Artificial Intelligence (Yapay Zeka)

Bu Kurs ile Alacaklarınız

Sıfırdan Kodlama Becerisi: Sizinle birlikte kod yazıyoruz. Her ders boş bir sayfa ile başlar ve kodu sıfırdan yazarız. Bu şekilde ilerleyebilir ve kodun nasıl bir araya geldiğini ve her satırın ne anlama geldiğini tam olarak anlayabilirsiniz.
Kodlar ve Şablonları: Kursta oluşturduğumuz her Python şablonlarını ve kodunu indirebilirsiniz. Bu, sizlere hem daha sonra kod üzerinde pratik yapma hem de kendi projelerinizi şablon sayesinde daha kolay bir şekilde yaratma imkanı sağlayacaktır
Teori ve Mantık: Size yalnızca kod yazmayı değil, hem yazdığımız kodun arkasında yatan mantığı ve teoriyi hem de neden böyle bir kod yazdığımızı anlatıyoruz.
Kurs içi destek: Size sadece video ile ders anlatımı yapmıyoruz. Size destek olmak için profesyonel Veri Bilimcilerinden oluşan bir ekip oluşturduk. Bu da ders ve ya ders dışı sorularınıza en fazla 72 saat içinde yanıt alacağınız anlamına geliyor.

Yapay Zeka(Reinforcement Leaning) kursu içeriği:

Giriş Bölümü
- Reinforcement Learning Giriş
- Anaconda ve Python Kurulumu
- Kurs kaynaklarının gösterimi
Q-Learning
- Agent-Environment-State-Action-Reward
- Bellman Equation
- Deterministic vs Stochastic
- Markov Decision Process
- Q-Learning
- Temporal Difference
- Q-Table/Algoritma
- Exploitation vs Exploration
- Living Penalty
- Taxi Projesi
- Frozen Lake Projesi
Deep Q-Learning
- Q-Learning vs Deep Q-Learning
- Deep Q-Learning
- Experience Replay
- Adaptive Epsilon Greedy
- Cart Pole Projesi
- Lunar Lander Projesi
Envrionement Design
- Game Design
- Player-Sprite-Enemy
- Collision
- Environment Design
- DQL Algoritması
Deep Convolutional Q-Learning
- Deep Convolutional Q-Learning Nedir?
- Pong Oyunu Kodlama Planı
- Environment Design Sabit Değişkenler
- Pong Oyunu İnitializer, Display, Update, Action, Process
- Pong Oyunu Train Agent Model Eğitimi
- Pong Oyunu Train Agent Sonuçlar

İçeriğin İngilizce olması sizi yanıltmasın arkadaşlar. Derslerim tamamen Türkçedir.

Hemen kaydolun ve bir an önce başlayalım.

Who this course is for:

Yapay Zeka öğrenmek isteyen herkes
Yapay Zeka öğrenerek kendini geleceğe hazırlamak ve geleceği şekillendirmek isteyen herkes

What you'll learn

Explore related topics

Course content

Reinforcement Learning Giriş6 lectures • 25min

Q-Learning25 lectures • 3hr 34min

Deep Q-Learning (DQL)21 lectures • 2hr 18min

Reinforcement Learning Environment Design15 lectures • 2hr 7min

Deep Convolutional Q-Learning19 lectures • 2hr 6min

Reinforcement Learning Sonuç1 lecture • 1min

EK-1: Artificial Neural Network (Yapay Sinir Ağları)16 lectures • 1hr 39min

EK 2: Nesne Tabanlı Programlama15 lectures • 2hr 36min

EK-3: Convolutional Neural Network (CNN)22 lectures • 1hr 45min

Requirements

Description

Who this course is for: