About this ebook
Bölümler Kısa Özet:
1: Derin öğrenme: Derin öğrenmeye giriş ve robotik ve yapay zekadaki uygulamaları.
2: Sinir ağı (makine öğrenimi): Sinir ağlarının temel yapısını ve öğrenme süreçlerini anlamak.
3: Konuşma tanıma: Derin öğrenmenin konuşma tanıma teknolojilerine nasıl güç verdiği ve daha sezgisel insan-robot etkileşimini nasıl sağladığı.
4: Jürgen Schmidhuber: Sinir ağı ilerlemelerinde önemli bir isim olan Jürgen Schmidhuber'in katkılarına derinlemesine bir dalış.
5: Tekrarlayan sinir ağı: Tekrarlayan sinir ağlarının (RNN'ler) ardışık verileri ve zaman serilerini işlemedeki rolü.
6: Kuantum sinir ağı: Kuantum hesaplama ve sinir ağlarının kesişimini keşfetmek, yapay zeka için yeni boyutlar açmak.
7: Yankı durumu ağı: Yankı durumu ağlarına (ESN'ler) ve karmaşık dinamik sistemlerdeki verimliliklerine bir bakış.
8: Uzun kısa süreli bellek: LSTM ağlarının ve robotikte kritik olan uzun süreli bilgileri tutma yeteneklerinin incelenmesi.
9: Yapay sinir ağlarının türleri: Çeşitli sinir ağı türlerinin ve robotikteki özel uygulamalarının genel görünümü.
10: Evrişimli sinir ağı: CNN'leri ve robotikte görüntü işleme ve görsel tanıma üzerindeki etkilerini anlamak.
11: Çift yönlü tekrarlayan sinir ağları: Çift yönlü RNN'lerin ve hem geçmiş hem de gelecekteki bağlamlardan veri işleme yeteneklerinin bir çalışması.
12: Alex Graves (bilgisayar bilimcisi): Alex Graves'in sinir ağları ve yapay zeka alanındaki öncü çalışmalarına ve robotik üzerindeki etkisine odaklanıyor.
13: Yapay zeka hızlandırıcı: Derin öğrenme modeli performansını artıran yapay zeka hızlandırıcılar gibi donanım gelişmelerini inceliyor.
14: Makine öğreniminin zaman çizelgesi: Makine öğrenimi ve yapay zekanın gelişimindeki önemli kilometre taşlarının tarihsel bir özeti.
15: Farklılaştırılabilir sinir bilgisayarı: Farklılaştırılabilir sinir bilgisayarlarına (DNC'ler) ve robotlarda hafızayı ve problem çözmeyi devrim niteliğinde değiştirme potansiyellerine bir bakış.
16: AlexNet: Çığır açan AlexNet modelini ve görüntü sınıflandırması için derin öğrenmeyi popülerleştirmedeki rolünü anlamak.
17: Bağlantıcı zamansal sınıflandırma: İnsan-robot iletişimi için hayati önem taşıyan konuşma ve dizi işleme için CTC'nin incelenmesi.
18: Otoyol ağı: Gelişmiş öğrenme için derin mimarilerin sınırlamalarının üstesinden gelmede otoyol ağlarının önemi.
19: Kalan sinir ağı: Kalan ağları ve robotik için çok derin sinir ağlarını eğitmelerine nasıl yardımcı olduklarını incelemek.
20: Yapay sinir ağlarının tarihi: Sinir ağlarının başlangıcından modern yapay zekadaki hakimiyetlerine kadar kapsamlı bir tarihi.
21: Dikkat Tek İhtiyacınız Olan Şey: Robotikte doğal dil işlemeyi devrim niteliğinde değiştiren dönüştürücü modeline derinlemesine bir dalış.
Robotik dünyası hızla dönüşüyor ve derin öğrenmedeki ilerlemeler bu değişimin çoğunu yönlendiriyor. Bu kitap, robotikte derin öğrenmenin teorik ve pratik yönlerini anlamak isteyen profesyoneller, öğrenciler ve hobiciler için kapsamlı bir kaynak görevi görüyor. Uzmanlardan içgörüler edinin, son teknolojiyi keşfedin ve derin öğrenmenin yapay zeka ve robotiğin geleceğini nasıl şekillendireceğini görün.
