Kategoriler
Eser Adı Yazar Yayınevi Açıklama İçindekiler Barkod
Arama  
Ana Sayfa Sipariş Takip Üyelik Yardım İletişim
 
 
Bülten
   
Weka ile Yapay Zekâ
Makine Öğrenmesi Yapay Sinir Ağları – Derin Öğrenme
Temmuz 2019 / 2. Baskı / 231 Syf.
Fiyatı: 29.90 TL
Stokta var (24 saatte kargoya verilir).
 
Sepete Ekle

Diğer Baskılar
 BaskıTarih Fiyatı İndirimli
 1. Temmuz 2018 27.50 TL 17.90 TL (%35)Sepete Ekle
   

Kitap güncellenmiş 2. Baskısını yapmıştır.

Bilgisayar, Yazılım, Elektrik, Elektronik, Elektronik –Haberleşme ve Elektrik – Elektronik mühendisliklerindeki "Veri Madenciliği", "Yapay Zeka", "Yapay Sinir Ağları" ve "Makine Öğrenmesi" derslerine uygun olarak hazırlanan kitap, lisans üstü eğitimlerde de kullanılabilecek biçimde hazırlanmıştır. Bu kitap aracılığıyla çok hızlı bir şekilde yapay zeka ile uygulamalar yapmak mümkün olacaktır.

Kitapta konular gereksiz detaylara girilmeden, sade bir dille anlatılmış ve uygulamalar ile pekiştirilmiştir. İlk önce ağırlıklı olarak Veri Madenciliğinde sık kullanılan Yapay Sinir Ağları Weka programı ile anlatılmıştır. Weka programında diğer algoritmaların nasıl kullanılacağı ve başarı analizleri hakkında da bilgiler verilmiştir. C# programlama dilinde de Weka algoritmalarının nasıl kullanılacağı detayları ile açıklanmıştır. Ayrıca Weka programında kullanılan tüm ekranlar 214 şekil ile detaylı bir şekilde anlatılmıştır.

Konu Başlıkları
Veri, Enformasyon Bilgi
Veri Madenciliği ve Makine Öğrenmesi
Yapay Zekâ
Yapay Sinir Ağları ve Derin Öğrenme
Yapay Zekâ Hata Analizi
WEKA
Weka ile Yapay Sinir Ağları
C# ile Weka Kullanımı
Çeşitli Uygulamalar
Barkod: 9789750255366
Yayın Tarihi: Temmuz 2019
Baskı Sayısı:  2
Ebat: 16x24
Sayfa Sayısı: 231
Yayınevi: Seçkin Yayıncılık
Kapak Türü: Karton Kapaklı
Dili: Türkçe
Ekler: -

 

İÇİNDEKİLER
İçindekiler
İkinci Baskıya Önsöz  5
Şekiller Listesi  14
1. VERİ, MADENCİLİK VE ÖĞRENME  21
1.1. Veri  21
1.2. Enformasyon  21
1.3. Bilgi  22
1.4. Karar Destek Sistemi (KDS)  23
1.5. Veri Tabanları  23
1.6. Veri Ambarları  24
1.7. Veri Madenciliği  25
1.8. Veri Madenciliğinde Verileri Hazırlama  26
1.9. Yapay Zekâ  27
1.10. Makine Öğrenmesi  29
1.11. Derin Öğrenme  29
1.12. Yapay Zekâ Yöntemleri  30
1.13. Yapay Zekâ Uygulama Alanları ve Geleceği  31
1.14. Yapay Zekâ Uygulamalarında Kullanılan Programlar  32
2. YAPAY SİNİR AĞLARI  33
2.1. Yapay Bir Sinirin Öğeleri  33
2.2. Yapay Sinir Ağlarının Güçlü ve Zayıf Yönleri  35
2.3. Yapay Sinir Ağlarının Genel Özellikleri  36
2.4. Yapay Sinir Ağlarının Dezavantajları  37
2.5. Yapay Sinir Ağlarının Temel Öğrenme Kuralları  38
2.6. Yapay Sinir Ağları Modelleri  39
2.6.1. İleri Beslemeli Yapay Sinir Ağları  40
2.6.2. Geri Beslemeli Yapay Sinir Ağları  41
2.7. Yapay Sinir Ağlarının Eğitilmesi  41
3. TAHMİNİN HATA DÜZEYİNİN BELİRLENMESİ  45
3.1. Sayısal Sonuçları Tahmin Etmek  46
3.1.1. Korelasyon Katsayısı  47
3.1.2. Ortalama Mutlak Hata  47
3.1.3. Hataların Karelerinin Ortalamasının Karekökü  48
3.1.4. Göreceli Mutlak Hata  48
3.1.5. Göreceli Mutlak Hata Karekökü  49
3.2. Nominal Sonuçları Tahmin Etmek  49
3.2.1. Hata Matrisi  49
3.2.2. Doğru Yerleştirme Başarısı  50
3.2.3. Kappa İstatistiği  51
3.2.4. Tahmin Sınıflarının Doğruluk Detayları  51
4. WEKA  57
4.1. Weka Programını İndirme  59
4.2. Paket Yönetim sistemi  60
4.3. Başlangıç  62
4.3.1. Veri Dosyası ve Formatları  62
4.3.2. Örnek Bir Analiz Yapma  65
4.3.3. Eğitim ve Test Verilerini Parçalama  68
4.3.4. Çıktının İncelenmesi  69
4.3.5. Tekrar Çalıştırma  70
4.3.6. Modeller ile Çalışma  71
4.3.7. Hata Oluştuğunda  75
4.4. Explorer Penceresi  75
4.4.1. ARFF Uzantılı Dosyalar Oluşturma  77
4.4.2. Veri Ön İşleme  82
4.4.3. Filtreleri Kullanma  84
4.4.4. Öğrenme Şemaları ile Eğitim ve Test  88
4.4.5. Meta Öğrenme Algoritması Kullanma  94
4.4.6. Kümeleme Analizleri  95
4.4.7. İlişkilendirme Kuralları  98
4.4.8. Nitelik Seçimi  100
4.4.9. Görselleştirme  100
4.5. Filtre Algoritmaları  102
4.5.1. Gözetimsiz Nitelik Filtreleri  103
4.5.1.1. Nitelikleri Silme ve Ekleme  103
Add  103
Copy  103
AddUserFields  104
AddID  104
Remove  104
RemoveType  104
RemoveUseless  104
InterquartileRange  104
AddCluster  105
ClusterMembership  105
AddExpression  105
MathExpression  105
NumericTransform  105
Normalize  106
Center  106
Standardize  106
RandomSubset  106
CartesianProduct  106
PartitionedMultiFilter  106
Reorder  106
4.5.1.2. Değerleri Değiştirme  107
SwapValues  107
MergeTwoValues  107
MergeManyValues  107
MergeInfrequentValues  107
MissingValues  107
MissingWithUserConstant  107
WithMissingValue  107
NumericCleaner  108
AddValues  108
ClassAssigner  108
SortLabels  108
4.5.1.3. Dönüştürmeler  108
Discretize  108
PKIDiscretize  108
MakeIndicator  108
NominalToBinary  109
NumericToBinary  109
NumericToNominal  109
FirstOrder  109
KernelFilter  109
PrincipalComponents  109
Transpose  109
4.5.1.4. String Dönüştürme  110
StringToNominal  110
NominalToString  110
StringToWordVector  110
FixedDictionaryStringToWordVector  110
ChangeDateFormat  110
4.5.1.5. Zaman Serisi Verileri  110
TimeSeriesTranslate  110
TimeSeriesDelta  111
4.5.1.6. Niteliklerin Rastgele Yapılması  111
AddNoise  111
Obfuscate  111
RandomProjection  111
4.5.2. Verilere Yönelik Gözetimsiz Filtreler  111
Randomize  111
Resample  111
RemoveFolds  111
ReservoirSample  112
RemovePercentage  112
RemoveRange  112
RemoveWithValues  112
RemoveFrequentValues  112
SubsetByExpression  112
RemoveMisclassified  112
NonSparseToSparse  112
SparseToNonSparse  112
4.5.3. Gözetimli Filtreler  113
4.5.3.1. Gözetimli Nitelik Filtreleri  114
Discretize  114
NominalToBinary  114
ClassOrder  114
AddClassification  114
AttributeSelection  114
ClassConditionalProbabilities  114
4.5.3.2. Verilere Yönelik Gözetimli Filtreler  115
Resample  115
SpreadSubsample  115
Smote  115
StratifiedRemoveFolds  115
4.6. Öğrenme Algoritmaları  115
4.6.1. Bayes Sınıflandırıcılar  116
NaiveBayes  116
NaiveBayesUpdateable  118
NaiveBayesMultinomial  118
NaiveBayesMultinomialUpdateable  119
NaiveBayesMultinomialText  119
4.6.2. Ağaç Algoritmaları (Tree)  120
J48  120
DecisionStump  121
RandomTree  121
RandomForest  122
REPTree  122
M5P  123
LMT  123
HoeffdingTree  124
4.6.3. Kurallar (Rules)  124
DecisionTable  124
OneR  125
PART  126
M5Rules  126
JRip  127
4.6.4. Fonksiyonlar  127
SimpleLinearRegression  127
LinearRegression  128
SMO  128
SMOreg  129
VotedPerceptron  130
GaussianProcesses  130
SGD  131
SGDText  131
SimpleLogistic  132
Logistic  133
4.6.5. Tembel Algoritmalar (Lazy)  133
IBk  133
KStar  134
LWL  135
4.6.6. Çeşitli Sınıflandırıcılar (Misc)  135
SerializedClassifier  135
InputMappedClassifier  136
4.6.7. Meta Öğrenme Algoritmaları  137
Bagging  137
RandomCommittee  137
RandomSubSpace  138
AdaBoostM1  139
AdditiveRegression  139
LogitBoost  140
Vote  140
Stacking  141
CostSensitiveClassifier  142
AttributeSelectedClassifier  142
CVParameterSelection  143
MultiScheme  144
IterativeClassifierOptimizer  144
ClassificationViaRegression  145
RegressionByDiscretization  146
MultiClassClassifier  146
4.7. Kümeleme Algoritmaları (Clustering)  147
Cobweb  147
SimpleKMeans  148
EM  149
HierarchicalClusterer  151
FarthestFirst  151
MakeDensityBasedClusterer  152
Canopi  152
4.8. Birliktelik Kural Öğrenmeleri  153
Apriori  153
FPGrowth  154
FilteredAssociator  155
4.9. Nitelik Seçimi  156
4.9.1. Nitelik Değerlendiriciler  156
CfsSubsetEval  156
WrapperSubsetEval  157
ReliefFAttributeEval  157
InfoGainAttributeEval  158
GainRatioAttributeEval  159
SymmetricalUncertAttributeEval  159
OneRAttributeEval  160
PrincipalComponents  160
4.9.2. Arama Yöntemleri  161
BestFirst  161
GreedyStepwise  162
Ranker  163
5. WEKA İLE YAPAY SİNİR AĞLARI  165
5.1. GUI Ekranı  167
5.2. Parametre Değerleri  173
5.2.1. Otomatik Oluşturma (AutoBuild)  173
5.2.2. Yığın Boyutu (BatchSize)  174
5.2.3. Ayıklama (debug)  175
5.2.4. Zayıflama (decay)  175
5.2.5. Verileri Kontrol Etme (doNotCheckCapabilities)  176
5.2.6. Öğrenme Oranı (learningRate)  177
5.2.7. Momentum (momentum)  177
5.2.8. Kategorik Verileri İkili Verilere Dönüştürme (nominalToBinaryFilter)  178
5.2.9. Verileri Normalize Etme (normalizeAttributes)  179
5.2.10. Sayısal Tahmin Değerini Normalize Etme (normalizeNumericClass)  179
5.2.11. Gizli Katmanlar (hiddenLayers)  180
5.2.12. Ondalıklı Sayı Sınırını Belirleme (numDecimalPlaces)  184
5.2.13. Baştan Başlatma (reset)  185
5.2.14. Başlangıç (seed)  185
5.2.15. Devir Sayısı (TrainingTime)  186
5.2.16. Doğrulama Kümesi Oranı (validationSetSize)  187
5.2.17. Doğrulama Eşiği (validationThreshold)  187
6. C# İÇİNDEN WEKA KULLANIMI  189
6.1. IKVM Uygulamasını İndirme  190
6.2. C# Tarafından Kullanılacak Weka.dll Dosyasını Üretme  191
6.3. Visual Studio İçinden Weka.dll Dosyasını Kullanma  196
7. ÖĞRENCİ DERS GEÇME NOTUNUN YAPAY ZEKÂ YÖNTEMLERİ İLE TAHMİN EDİLMESİ  211
Kaynakça  223
Kavramlar Dizini  227
 


Engin Tekin ...
Eylül 2019
29.00 TL
Sepete Ekle
Mehmet Akif Arvas
Ağustos 2019
32.50 TL
Sepete Ekle
Atınç Yılmaz
Ağustos 2019
40.00 TL
Sepete Ekle
Daron Dedeoğlu
Temmuz 2019
33.00 TL
Sepete Ekle





 

İÇİNDEKİLER
İçindekiler
İkinci Baskıya Önsöz  5
Şekiller Listesi  14
1. VERİ, MADENCİLİK VE ÖĞRENME  21
1.1. Veri  21
1.2. Enformasyon  21
1.3. Bilgi  22
1.4. Karar Destek Sistemi (KDS)  23
1.5. Veri Tabanları  23
1.6. Veri Ambarları  24
1.7. Veri Madenciliği  25
1.8. Veri Madenciliğinde Verileri Hazırlama  26
1.9. Yapay Zekâ  27
1.10. Makine Öğrenmesi  29
1.11. Derin Öğrenme  29
1.12. Yapay Zekâ Yöntemleri  30
1.13. Yapay Zekâ Uygulama Alanları ve Geleceği  31
1.14. Yapay Zekâ Uygulamalarında Kullanılan Programlar  32
2. YAPAY SİNİR AĞLARI  33
2.1. Yapay Bir Sinirin Öğeleri  33
2.2. Yapay Sinir Ağlarının Güçlü ve Zayıf Yönleri  35
2.3. Yapay Sinir Ağlarının Genel Özellikleri  36
2.4. Yapay Sinir Ağlarının Dezavantajları  37
2.5. Yapay Sinir Ağlarının Temel Öğrenme Kuralları  38
2.6. Yapay Sinir Ağları Modelleri  39
2.6.1. İleri Beslemeli Yapay Sinir Ağları  40
2.6.2. Geri Beslemeli Yapay Sinir Ağları  41
2.7. Yapay Sinir Ağlarının Eğitilmesi  41
3. TAHMİNİN HATA DÜZEYİNİN BELİRLENMESİ  45
3.1. Sayısal Sonuçları Tahmin Etmek  46
3.1.1. Korelasyon Katsayısı  47
3.1.2. Ortalama Mutlak Hata  47
3.1.3. Hataların Karelerinin Ortalamasının Karekökü  48
3.1.4. Göreceli Mutlak Hata  48
3.1.5. Göreceli Mutlak Hata Karekökü  49
3.2. Nominal Sonuçları Tahmin Etmek  49
3.2.1. Hata Matrisi  49
3.2.2. Doğru Yerleştirme Başarısı  50
3.2.3. Kappa İstatistiği  51
3.2.4. Tahmin Sınıflarının Doğruluk Detayları  51
4. WEKA  57
4.1. Weka Programını İndirme  59
4.2. Paket Yönetim sistemi  60
4.3. Başlangıç  62
4.3.1. Veri Dosyası ve Formatları  62
4.3.2. Örnek Bir Analiz Yapma  65
4.3.3. Eğitim ve Test Verilerini Parçalama  68
4.3.4. Çıktının İncelenmesi  69
4.3.5. Tekrar Çalıştırma  70
4.3.6. Modeller ile Çalışma  71
4.3.7. Hata Oluştuğunda  75
4.4. Explorer Penceresi  75
4.4.1. ARFF Uzantılı Dosyalar Oluşturma  77
4.4.2. Veri Ön İşleme  82
4.4.3. Filtreleri Kullanma  84
4.4.4. Öğrenme Şemaları ile Eğitim ve Test  88
4.4.5. Meta Öğrenme Algoritması Kullanma  94
4.4.6. Kümeleme Analizleri  95
4.4.7. İlişkilendirme Kuralları  98
4.4.8. Nitelik Seçimi  100
4.4.9. Görselleştirme  100
4.5. Filtre Algoritmaları  102
4.5.1. Gözetimsiz Nitelik Filtreleri  103
4.5.1.1. Nitelikleri Silme ve Ekleme  103
Add  103
Copy  103
AddUserFields  104
AddID  104
Remove  104
RemoveType  104
RemoveUseless  104
InterquartileRange  104
AddCluster  105
ClusterMembership  105
AddExpression  105
MathExpression  105
NumericTransform  105
Normalize  106
Center  106
Standardize  106
RandomSubset  106
CartesianProduct  106
PartitionedMultiFilter  106
Reorder  106
4.5.1.2. Değerleri Değiştirme  107
SwapValues  107
MergeTwoValues  107
MergeManyValues  107
MergeInfrequentValues  107
MissingValues  107
MissingWithUserConstant  107
WithMissingValue  107
NumericCleaner  108
AddValues  108
ClassAssigner  108
SortLabels  108
4.5.1.3. Dönüştürmeler  108
Discretize  108
PKIDiscretize  108
MakeIndicator  108
NominalToBinary  109
NumericToBinary  109
NumericToNominal  109
FirstOrder  109
KernelFilter  109
PrincipalComponents  109
Transpose  109
4.5.1.4. String Dönüştürme  110
StringToNominal  110
NominalToString  110
StringToWordVector  110
FixedDictionaryStringToWordVector  110
ChangeDateFormat  110
4.5.1.5. Zaman Serisi Verileri  110
TimeSeriesTranslate  110
TimeSeriesDelta  111
4.5.1.6. Niteliklerin Rastgele Yapılması  111
AddNoise  111
Obfuscate  111
RandomProjection  111
4.5.2. Verilere Yönelik Gözetimsiz Filtreler  111
Randomize  111
Resample  111
RemoveFolds  111
ReservoirSample  112
RemovePercentage  112
RemoveRange  112
RemoveWithValues  112
RemoveFrequentValues  112
SubsetByExpression  112
RemoveMisclassified  112
NonSparseToSparse  112
SparseToNonSparse  112
4.5.3. Gözetimli Filtreler  113
4.5.3.1. Gözetimli Nitelik Filtreleri  114
Discretize  114
NominalToBinary  114
ClassOrder  114
AddClassification  114
AttributeSelection  114
ClassConditionalProbabilities  114
4.5.3.2. Verilere Yönelik Gözetimli Filtreler  115
Resample  115
SpreadSubsample  115
Smote  115
StratifiedRemoveFolds  115
4.6. Öğrenme Algoritmaları  115
4.6.1. Bayes Sınıflandırıcılar  116
NaiveBayes  116
NaiveBayesUpdateable  118
NaiveBayesMultinomial  118
NaiveBayesMultinomialUpdateable  119
NaiveBayesMultinomialText  119
4.6.2. Ağaç Algoritmaları (Tree)  120
J48  120
DecisionStump  121
RandomTree  121
RandomForest  122
REPTree  122
M5P  123
LMT  123
HoeffdingTree  124
4.6.3. Kurallar (Rules)  124
DecisionTable  124
OneR  125
PART  126
M5Rules  126
JRip  127
4.6.4. Fonksiyonlar  127
SimpleLinearRegression  127
LinearRegression  128
SMO  128
SMOreg  129
VotedPerceptron  130
GaussianProcesses  130
SGD  131
SGDText  131
SimpleLogistic  132
Logistic  133
4.6.5. Tembel Algoritmalar (Lazy)  133
IBk  133
KStar  134
LWL  135
4.6.6. Çeşitli Sınıflandırıcılar (Misc)  135
SerializedClassifier  135
InputMappedClassifier  136
4.6.7. Meta Öğrenme Algoritmaları  137
Bagging  137
RandomCommittee  137
RandomSubSpace  138
AdaBoostM1  139
AdditiveRegression  139
LogitBoost  140
Vote  140
Stacking  141
CostSensitiveClassifier  142
AttributeSelectedClassifier  142
CVParameterSelection  143
MultiScheme  144
IterativeClassifierOptimizer  144
ClassificationViaRegression  145
RegressionByDiscretization  146
MultiClassClassifier  146
4.7. Kümeleme Algoritmaları (Clustering)  147
Cobweb  147
SimpleKMeans  148
EM  149
HierarchicalClusterer  151
FarthestFirst  151
MakeDensityBasedClusterer  152
Canopi  152
4.8. Birliktelik Kural Öğrenmeleri  153
Apriori  153
FPGrowth  154
FilteredAssociator  155
4.9. Nitelik Seçimi  156
4.9.1. Nitelik Değerlendiriciler  156
CfsSubsetEval  156
WrapperSubsetEval  157
ReliefFAttributeEval  157
InfoGainAttributeEval  158
GainRatioAttributeEval  159
SymmetricalUncertAttributeEval  159
OneRAttributeEval  160
PrincipalComponents  160
4.9.2. Arama Yöntemleri  161
BestFirst  161
GreedyStepwise  162
Ranker  163
5. WEKA İLE YAPAY SİNİR AĞLARI  165
5.1. GUI Ekranı  167
5.2. Parametre Değerleri  173
5.2.1. Otomatik Oluşturma (AutoBuild)  173
5.2.2. Yığın Boyutu (BatchSize)  174
5.2.3. Ayıklama (debug)  175
5.2.4. Zayıflama (decay)  175
5.2.5. Verileri Kontrol Etme (doNotCheckCapabilities)  176
5.2.6. Öğrenme Oranı (learningRate)  177
5.2.7. Momentum (momentum)  177
5.2.8. Kategorik Verileri İkili Verilere Dönüştürme (nominalToBinaryFilter)  178
5.2.9. Verileri Normalize Etme (normalizeAttributes)  179
5.2.10. Sayısal Tahmin Değerini Normalize Etme (normalizeNumericClass)  179
5.2.11. Gizli Katmanlar (hiddenLayers)  180
5.2.12. Ondalıklı Sayı Sınırını Belirleme (numDecimalPlaces)  184
5.2.13. Baştan Başlatma (reset)  185
5.2.14. Başlangıç (seed)  185
5.2.15. Devir Sayısı (TrainingTime)  186
5.2.16. Doğrulama Kümesi Oranı (validationSetSize)  187
5.2.17. Doğrulama Eşiği (validationThreshold)  187
6. C# İÇİNDEN WEKA KULLANIMI  189
6.1. IKVM Uygulamasını İndirme  190
6.2. C# Tarafından Kullanılacak Weka.dll Dosyasını Üretme  191
6.3. Visual Studio İçinden Weka.dll Dosyasını Kullanma  196
7. ÖĞRENCİ DERS GEÇME NOTUNUN YAPAY ZEKÂ YÖNTEMLERİ İLE TAHMİN EDİLMESİ  211
Kaynakça  223
Kavramlar Dizini  227
 


 
Kitap
Bülten
Kitap
Kitap
İndirimli Kitaplar
 
 
Ana Sayfa | Hakkımızda | Bülten | Gizlilik ve Çerez Sözleşmesi | Üye Sayfası | Yardım | İletişim

Seçkin Yayıncılık San. Tic. A.Ş.
Copyright © 1996 - 2019