Makine Öğrenmesi – Derin Sinir Ağları (İleri)
Makine Öğrenmesi – Derin Sinir Ağları (İleri)
Eğitim Detayları
Makine Öğrenmesi – Derin Sinir Ağları (İleri) Eğitimi, ODTÜ Teknokent'te bulunan Savunma Sanayii Akademi dersliklerinde ücretli olarak gerçekleştirilmektedir.
📩 Eğitim programı hakkında detaylı bilgi için: egitim@tregitim.com.tr adresiyle iletişime geçebilirsiniz.
Eğitim Hakkında
1. Gün İleri Derin Sinir Ağı Yapıları ve Optimizasyon Teknikleri Karmaşık derin sinir ağı yapıları: Derin katmanlı ağlar (Deep Networks) ve residual ağlar (ResNet). Optimizasyon teknikleri: Momentumlu gradyan inişi, Adam optimizer ve learning rate schedule. Uygulama: Bir askeri görüntü işleme projesinde ResNet mimarisini kullanarak model eğitimi. Aktivasyon Fonksiyonlarının Derin Ağırlığı İleri düzey aktivasyon fonksiyonları (ReLU, Leaky ReLU, ELU, Swish) ve performansa etkileri. Uygulama: Savunma sektörüne ait bir veri seti üzerinde farklı aktivasyon fonksiyonlarının karşılaştırılması. Konvolüsyonel Sinir Ağları (CNN) ve Hibrit Modeller İleri CNN yapıları: DenseNet, InceptionNet ve hibrit CNN modelleri. Özellik haritalarıyla derinlemesine analiz: Görüntülerdeki tehdit nesnelerinin tespiti. Uygulama: Bir radar görüntüsü veri seti üzerinde InceptionNet kullanarak hedef tespit modeli geliştirme. 2. Gün Dikkat Mekanizmaları ve Görüntü İşleme Uygulamaları Dikkat mekanizmaları (attention mechanisms) ve self-attention kavramları. Görüntüdeki kritik bölgelere dikkat odaklı analiz teknikleri. Uygulama: Bir askeri hedef izleme sisteminde self-attention mekanizmalarının kullanımı. Zaman Serileri ve Uzun Dönem Hafıza Modelleri LSTM, GRU ve Transformer tabanlı yaklaşımlar. Zaman serisi analizinde derin öğrenme teknikleri. Uygulama: Askeri lojistik verileriyle gelecekteki operasyonel taleplerin tahmini için bir model geliştirme. Generative Adversarial Networks (GAN) GAN mimarisi ve ileri kullanım alanları. Görüntü iyileştirme, veri artırma ve sahte veri tespiti için GAN modelleri. Uygulama: Düşük çözünürlüklü radar görüntülerini iyileştirmek için GAN kullanımı. 3. Gün Transfer Öğrenme ve Model Özelleştirme Özel veri setleriyle önceden eğitilmiş modellerin adapte edilmesi. Model ince ayarı (fine-tuning) ve savunma sektörü veri setleri için özelleştirme. Uygulama: Bir hedef algılama modeli için önceden eğitilmiş bir DenseNet'in savunma sektörüne özel uyarlanması. Mini Projeler Radar görüntülerinden düşman unsurlarını sınıflandırmak için özel bir CNN modeli geliştirme. Askeri operasyon raporları için zaman serisi tahmin modeli oluşturma. Self-attention mekanizmalarını kullanarak gerçek zamanlı hedef takibi gerçekleştiren bir sistem geliştirme.