Bu eğitim içeriği, yapay sinir ağlarının matematiksel temellerinden başlayarak ileri düzey yapılarına kadar kapsamlı bir bakış sunmaktadır. Bağıntılar, türev ve gradyant gibi temel kavramların ardından, yapay sinir hücrelerinin ve çok katmanlı ağların yapısı, aktivasyon fonksiyonları ile birlikte detaylı şekilde ele alınmıştır. Ayrıca, ileri yayılım mekanizmaları, hata ölçütleri ve öğrenme sürecinde karşılaşılan aşırı öğrenme ile dengesiz veri gibi problemler ve bunlarla mücadele yöntemleri (örneğin regularizasyon ve normalizasyon teknikleri) açıklanmıştır. Bu içerik, sinir ağı eğitiminde karşılaşılan temel sorunları ve çözüm yollarını sistematik bir şekilde aktarmaktadır.
Eğitimin Amaçları
Kullanıcıların, Yapay Sinir Ağları mimarilerinin tasarımı ve çalışma prensipleri hakkında kuramsal bilgi edinmelerini ve literatürde bulunan farklı modellerin çalışma prensiplerini anlayacak ve kendi özgün tasarımlarını geliştirebilecekleri düzeyde bilgi ve beceri kazanmalarını sağlamaktır.
- Hazır bir araç/kütüphane olmadan kendi yapay sinir ağları modellerini geliştirebilir,
- Kendi geliştirdikleri veya hazır mimarideki bir yapay sinir ağını eldeki bir sınıflandırma veya regresyon probleminin çözümünde uygulayabilir,
- Model eğitimi esnasında karşısına çıkabilecek olan dengesiz veri ile mücadele veya aşırı öğrenme / ezberleme gibi problemlere karşı çözümler oluşturabilir.
