Python ile Yapay Zeka: A'dan Z'ye Reinforcement Learning (7)

Name: Python ile Yapay Zeka: A'dan Z'ye Reinforcement Learning (7)
Rating: 4.6 (405 reviews)

Yapay Zekanın en gizemli konularından biri olan Reinforcement Learning (Pekiştirmeli Öğrenme) ile geleceğe hazırlanın !!

(405 ratings)

5,437 students

Created by DATAI TEAM

Last updated 4/2021

Turkish

30-Day Money-Back Guarantee

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

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

Preview03:16
Preview06:37
Reinforcement Learning Popüleritesi
02:08
Kurulumlar: Anaconda, Python, Keras, Gym, Pygame, Pybox2d
11:21
GitHub: Kaynaklar
01:40
İndirilebilir Kaynaklar
00:15

Preview01:30
Q-Learning Nedir?
15:55
State (Durum)
07:07
Action (Hareket)
06:34
Reward (Ödül)
12:12
Preview11:12
Q-Learning Taxi Environment Projesi: Gym-1
13:43
Q-Learning Taxi Environment Projesi: Gym-2
15:50
Bellman Equation (Bellman Denklemi)
16:15
Deterministic vs Stochastic Environments
01:41
Markov Decision Process (MDP)
08:35
Q-Learning
08:55
Temporal Difference (TD)
13:16
Q-Learning Algoritması ve Q-Table
09:52
Exploitation vs Exploration
04:49
Living Penalty
04:49
Q-Learning Proje 1: Taxi Environment Şablon
12:04
Q-Learning Taxi Environment Projesi: Q-Learning Giriş
05:44
Q-Learning Taxi Environment Projesi: Action (Hareket)
09:27
Q-Learning Taxi Environment Projesi: Q-Learning Fonksiyonu
15:42
Q-Learning Taxi Environment Projesi: Görselleştirme
02:45
Q-Learning Taxi Environment Projesi: Q-Table Yorumlama
05:31
Q-Learning Frozen Lake Environment Projesi
04:04
Q-Learning Frozen Lake Environment Projesi Kodları
05:05
Q-Learning Sonuç
01:34

Deep Q-Learning Ders Programı
01:18
Q-Learning vs Deep Q-Learning (DQL)
08:37
ANN Review (Yapay Sinir Ağları Gözden Geçirme)
03:14
Deep Q-Learning-1
11:55
Deep Q-Learning -2
20:04
Experience Replay
04:25
Adaptive Epsilon Greedy
04:19
DQL Cart Pole Environment Projesi: Giriş
04:39
DQL Cart Pole Environment Projesi: Template (Şablon)
06:16
DQL Cart Pole Environment Projesi: Template Coding (Şablon Kodlama)
09:42
DQL Cart Pole Environment Projesi: Deep Q-Learning Main
13:09
DQL Cart Pole Environment Projesi: Initializer
05:40
DQL Cart Pole Environment Projesi: Adaptive Epsilon Greedy
02:37
DQL Cart Pole Environment Projesi: Remember (Depolama)
00:55
DQL Cart Pole Environment Projesi: Build Model (Agent)
03:23
DQL Cart Pole Environment Projesi: Acting (Hareket)
03:57
DQL Cart Pole Environment Projesi: Replay (Tekrarlama)
09:25
DQL Cart Pole Environment Projesi: Test
08:35
Preview06:51
DQL Lunar Lander Environment Projesi Kodları
07:59
Deep Q-Learning Sonuç
00:59

Nesne Tabanlı Programlama Gözden Geçirme
01:57
Preview02:43
Neden Kendi Environment'ımız?
06:41
Oyun Design
06:50
Environment Template(Şablon)
12:57
Sprite
19:24
Player
12:14
Enemy
10:27
Collide
06:22
Agent AI Model
02:25
Environment Initializer - Step Methods
17:56
Environment Initial State Method
03:38
DQL Algorithm
15:44
Training ve Results
06:35
RL Environment Design Sonuç
01:36

Convolutional Neural Network (CNN) Gözden Geçirme
01:19
Deep Convolutional Q-Learning Nedir?
05:43
Pong Oyunu Kodlama Planı
03:23
Environment Design Sabit Değişkenler
12:29
Pong Oyunu İnitializer Metodu
09:58
Pong Oyunu İnitializer Display Metodu
09:31
Pong Oyunu Update Metodu
14:11
Pong Oyunu Move Metodu
18:31
Pong Oyunu Agent Sabit Değişkenler
07:29
Pong Oyunu Agent İnitializer Metodu
01:54
Pong Oyunu Agent Neural Network Modeli
04:59
Pong Oyunu Agent Choose Action
03:09
Pong Oyunu Agent Capture Images
03:40
Pong Oyunu Agent Process Metodu
06:43
Pong Oyunu Train Agent Sabit Değişkenler
03:26
Pong Oyunu Train Agent Resim Preprocess
03:23
Pong Oyunu Train Agent Model Eğitimi
14:28
Pong Oyunu Train Agent Sonuçlar
00:40
DCQL Sonuç
01:21

Gözden Geçirme/Opsiyonel Ders
00:27
Preview02:05
Artificial Neural Network Nedir
11:27
Artificial Neural Network Computation Graph
12:22
2-Layer Neural Network
01:34
Initializing Parameters
06:21
Forward Propagation
04:01
Loss and Cost Functions
02:12
Backward Propagation
04:25
Update Parameters
03:01
Prediction
03:23
Create ANN Model
09:18
L-Layer Neural Network
07:03
Neural Network with Keras
14:02
Neural Network with Pytorch
02:16
Neural Network Tensorflow Playground
14:38

Gözden Geçirme/Opsiyonel Ders
00:27
Preview04:15
Dataset ve CNN Kernel
06:54
Loading Data Set
12:01
Normalization - Reshape - Label Encoding
07:26
Train - Test Split
05:33
Convolutional Neural Network (CNN)
07:30
Convolution Operation Nedir
14:47
Same Padding
05:15
Max Pooling
03:34
Flattening
02:05
Fully Connected
05:02
CNN Implementing with Keras
02:08
Create Model
08:54
Adam Optimizer
01:46
Compiler
02:13
Batch and Epoch
02:46
Data Augmentation
03:11
Fit the Model
02:27
Evaluate the Model
05:04
CNN with Pytorch
01:22
BONUS
00:00

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

DATAI TEAM

Kaggle Grandmaster & AI Engineer

4.5 Instructor Rating
17,095 Reviews
82,141 Students
17 Courses

Yapay Zekâ & Veri Bilimi

DATAI Team Bilkent ve ODTÜ gibi üniversitelerden mühendislik alanında lisans ve lisansüstü seviyelerde mezun Yapay Zekâ, Veri Bilimi ve Algoritma alanlarında uzman kişiler tarafından Türkçe kaynak eksikliğine çözüm olarak kurulmuş bir takımdır. Google'ın alt kuruluşu olan Kaggle platformunda kazandığımız başarılar sayesinde sizlere profesyonel ve dünya çapında kalitesi onaylı dersler anlatıyoruz.

Python, Veri Bilimi, Makine Öğrenmesi, Derin Öğrenme ve Yapay Zekâ konularına karşı olan ilgi ve uzmanlığımız sayesinde hazırladığımız derslerimizi gerçek hayattan verilen örnekler ile harmanlayıp sizlere sunuyoruz. Ayrıca sizlerin öğrendikleri bilgiyi genel kültür seviyesinin ötesine taşıyabilmesi için yapacağınız çalışmaları tüm dünya ile paylaşmanız konusunda yol gösteriyor ve teşvik ediyoruz.

Gerek ders ile ilgili gerekse güncel konular, iş ya da okul hayatınız ile ilgili sorularınızı sormaktan çekinmeyin. Sormanın en iyi öğrenme yöntemlerinden biri olduğunu unutmayın.

İhtiyacınız olan kursları hemen kütüphanenize ekleyin ve bir an önce derslere başlayalım!

--------------------------------------------------------------------------------------------

Artificial Intelligence & Data Science

DATAI Team is a team established by experts in the fields of Artificial Intelligence, Data Science and Algorithm. Thanks to our achievements on the Kaggle platform, a subsidiary of Google, we tell you professional, world-class quality lessons and blend them with real-life examples. In addition, we guide and encourage you to share your studies with the world so that you can carry the knowledge you learn beyond the level of the general culture.

Python ile Yapay Zeka: A'dan Z'ye Reinforcement Learning (7)

What you'll learn

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:

Instructor