Derin Öğrenme Nedir?

Derin Öğrenme , yapay sinir ağları denilen beynin yapısından ve işlevinden ilham alan algoritmalarla ilgili bir makine öğrenmesi alt alanıdır.

Makine Öğrenmesi ile Derin Öğrenme Arasındaki İlişki

Derin öğrenme’de temel olarak makine öğrenmesi mantığı ile çalışır. Yani çoğunlukla

supervised (bir amaç için örneklerle eğit ve sonra başka örneklerle eğitilen algoritmayı test et!)

olarak çalışan bir ML algoritmasıdır. Şekil ile kıyaslarsak

Keras’ta bir Python Derin Öğrenme bloğu kabaca hangi aşamalardan oluşur?

I. Eğitim verisini (input tensor, target tensor) hazırla/kullan. Veri train-test için

bölünmeli!

II. Giriş çıkış arasında Neural Network modelini/katmanları oluştur

III. Modeli bir loss fonskiyonu, bir optimizer, ve başarı ölçüm metriği seçerek

Train et (Python da train, fit komutu ile)

IV. Eğitilen modelin başarımını seçtiğin metric ile test et (predict komutu

kullanılıyor)

Üretilen/Eğitilen model ne işe yarayacak? Son hedef ne?

Model daha sonra test edilmek üzere flask, django veya benzeri bir ortama taşınarak

servis haline getirilerek kullanılacak. Böylece örneğin mobil kameradan ulaşan bir görüntüyü

analiz edecek! (Eğitilen DL modelinin flask ile servis haline getirmek aşağıdaki linkte)

https://towardsdatascience.com/deploying-keras-deep-learning-models-with-flask-5da4181436a2

Yardım Alınan Kaynaklar

Doç. Dr. Akın Özçift ders notları