İÇİNDEKİLER ~ Cilt 1

Önsöz

Terim Karşılıkları

Bölüm 1. Yapay Zeka Mühendisliği Temeli ve Kavramları    - Editör

1.1. Yapay Zeka Mühendisliği Kapsamı     22

1.2. Yapay Zekayı Yakından İlgilendiren Disiplinler     24

1.3. Doğal Zeka Yapısal Özelliği     23

1.4. Yapay Zeka Mühendisliğinin Temel Bileşenleri     25

1.5. Yapay Zeka Üzerine Özel Algoritmalar     26

1.6. Yapay Öğrenme     28

1.6.1. Makine Öğrenmesi        28

1.6.2. Derin Öğrenme ve Yapay Sinir Ağları        29

1.7. Yapay Zeka Uygulaması Gerçekleştirme Adımları     31

1.8. Yapay Zeka Mühendisi     32

1.8.1. Yapay Zeka Mühendisliği Bölüm Öğretim Çıktıları        33

1.8.2. Yapay Zeka Mühendisliği Meslek Etiği ve Sorumluluğu        35

1.8.3. Yapay Zeka Mühendisi için Öne Çıkan Matematik Konuları        35

1.9. Yapay Zeka ve Felsefe 37

1.10. Bulut Bilişim ve Yapay Zeka     36

1.11. Yapay Zeka Tarihçesi

Bölüm 2. Veri Bilimi ve Veri Mühendisliği      Gülşen AKMAN ~ Prof. Dr.

2.1. Veri Bilimi

2.1.1. Veri Bilimi Süreci        43

2.1.2. Veri Biliminin Temel Alanları        44

2.1.3.Veri Bilimi Uygulama Alanları        45

2.1.4. Veri Biliminde Kullanılan Araçlar        46

2.2. Veri Mühendisliği     46

2.2.1. Veri Mühendisliği Süreci        47

2.2.2. Veri Mühendisliği Araçları        48

2.3. Veri Bilimi ve Veri Mühendisliği

2.4. Çalışma Sorular

Bölüm 3. Yapay Zekada Matematiksel Temeller ve Ayrık Matematik      Süleyman EKEN ~ Doç. Dr.

3.1. Yapay Zeka için Temel Matematik

3.1.1. Doğrusal Cebir        54

3.1.1.1. Temel Veri Depolama Alanları    54

3.1.1.2. Temel Vektör İşlemleri    56

3.1.1.3. Temel Matris İşlemleri    58

3.1.2. Kalkülüs        62

3.1.2.1. Türev    62

3.1.2.2. İntegral    66

3.2. Ayrık (Discrete) Matematik     67

3.2.1. Mantık, Boole Cebri ve İspat Yöntemleri        67

3.2.2. Kümeler        70

3.2.3. Kombinatorik        71

3.2.4. Olasılık ve İstatistik        73

3.2.5. Diğer Ayrık Yapılar        74

3.3. Özet

3.4. Çalışma Soruları

Bölüm 4. Yapay Zeka Veri Yapıları ve Algoritmalar      Toros Rifat ÇÖLKESEN ~ Prof. Dr.

4.1. Veri Modelleri ve Veriler-arasındaki İlişkilerin İfadesi

4.1.1. Liste (Vektör) ve Bağlantılı Liste Veri Modeli        81

4.1.2. Ağaç Veri Modeli ve Hiyerarşik İlişkiler        83

4.1.3. Graf Veri Modeli ve Düğümler-arası İlişkiler Yumağı        85

4.1.4. Durum Makinası Veri Modeli ve Davranış Modelleme        87

4.1.5. Veritabanı İlişkisel Veri Modeli        88

4.1.6. Ağ Bağlantı Veri Modeli        89

4.2. Yapay Zekada Veri Yapısı     90

4.3. Yapay Zeka Uygulamalarında Algoritma Konusu     91

.3.1. Yapay Zeka Üzerine Özel Algoritmalar        91

4.3.2. Yapay Zeka Üzerine Geliştirilmiş Kütüphaneler        92

4.3.3. Algoritmaların Zaman ve Alan Karmaşıklığı        93

4.3.4. Rekürsif Algoritma Tasarımı        96

4.4. Özet

4.5. Çalışma Soruları

Bölüm 5. Biçimsel Diller ve Özdevinirler       Mehmet KARAKÖSE ~ Prof. Dr.

5.1. Genel Kavramlara Bir Bakış

5.2. Biçimsel Diller     104

5.2.1. Dil Bilgisi ve Diller        104

5.3. Özdevinirler     108

5.3.1. Sonlu Otomatalar        109

5.3.1.1. Mealy ve Moore Makineleri    109

5.3.1.2. Deterministik Sonlu Otomata (DFA)    110

5.3.1.3. Deterministik Olmayan Sonlu Otomatalar (NFA)    113

5.3.2. Yığıtlı Otomatalar (PDA – Push Down Automata)        115

5.3.3. Turing Makineler        118

5.3.4. Bulanık ve Öğrenen Özdevinirler        121

5.4. Biçimsel Diller ve Özdevinirler için Simülatörler     122

5.4.1. Otomata Simülatörlerinin Önemi        123

5.4.2. Otomata Simülatörlerinin Sınıflandırılması        123

5.4.3. Litaratürde Yer Alan Otomata Simülatörleri        124

5.5. Biçimsel ve Doğal Dil. Entegrasyonu ve Büyük Dil Modelleri (LLM)  127

5.5.1. LLM Tabanlı Araçlar        127

5.5.2. Bağlamdan Bağımsız Dilbilgisi ile İlişkileri        128

5.5.3. Yığıtlı Özdevinir ile İlişkisi        131

5.6. Özet

5.7. Çalışma Soruları

Bölüm 6. Makine Öğrenmesi Konusu       Hüseyin ÇAKIR ~ Doç. Dr.

6.1. Makine Öğrenmesi Çalışma Süreci

6.2. Makine Öğrenmesi Türleri     138

6.2.1. Denetimli Makine Öğrenmesi        139

6.2.1.1. Sınıflandırma    140

6.2.1.2. Regresyon    141

6.2.2. Denetimsiz Makine Öğrenmesi    142

6.2.2.1. Kümeleme    143

6.2.2.2. Birliktelik    143

6.2.2.3. Boyut İndirgeme    144

 6.2.3. Yarı Denetimli Makine Öğrenmesi        144

6.2.4. Takviyeli Makine Öğrenmesi        144

6.3. Makine Öğrenmesi Algoritmaları     146

6.3.1. Doğrusal Regresyon        146

6.3.2. Lojistik Regresyon        148

6.3.3. Karar Ağacı ve Rastgele Ormanlar        150

6.3.4. Naive Bayes Modeli        152

6.3.5. K-Ortalamalar Kümelemesi        153

6.3.6. Hiyerarşik Kümeleme        155

6.3.7. Yapay Sinir Ağları        157

6.3.8. K-En Yakın Komşu Algoritması        159

6.3.9. Destek Vektör Makineleri        161

6.4. Özet

6.5. Çalışma Sorular

Bölüm 7. Veri Madenciliği Konusu       Seniye Ümit FIRAT ~ Prof. Dr.

7.1. Veri Madenciliği Alanında Genel Terminoloji ve Tanımlar

7.2. Bilgi Keşfi Süreci     168

7.3. Veri Madenciliğinin Yapısı     170

7.4. Veri Madenciliği ve İş Zekası İlişkisi     171

7.5. Web Arama Motorlarında Veri Madenciliği     172

7.6. Veri Madenciliği Modelleri ile Yapılan İşler     173

7.6.1. Analiz Algoritmaları Bakımından Veri Madenciliği İşleri        174

7.6.2. Keşfedici Veri Analizi ve Görsel Veri Madenciliği        175

7.7. Veri Madenciliği Döngüsü     176

7.8. Veri Madenciliği Teknikleri ve Algoritmaları     178

7.8.1. Sınıflandırma – Tahmin        178

7.8.2. Kümeleme Analizi        181

7.8.3. Birliktelik Kuralı Analizi        185

7.9. Veri Madenciliği için Yazılım Araçları ve Programlama Dilleri     186

7.10. Özet

7.11. Çalışma Soruları

Bölüm 8. Derin Öğrenme Konusu      Sami EKİCİ ~ Prof. Dr.

8.1. Derin Öğrenmenin Tanımı ve İfadesi     192

8.1.1. Derin Öğrenmenin Çalışma İlkesi        193

8.2. Derin Öğrenme Uygulamaları     194

8.3. Derin Öğrenmenin Kısa Tarihçesi     196

8.4. Derin Öğrenme Kütüphaneleri     197

8.4.1. TensorFlow        197

8.4.2. Keras        197

8.4.3. PyTorch        198

8.4.4. Theano        198

8.4.5. Deeplearning4j (DL4J)        198

8.4.6. Caffe        198

8.5. Derin Öğrenme Algoritmaları     198

8.5.1. Evrişimsel Sinir Ağları (CNN'ler)        199

8.5.2. Yinelemeli Sinir Ağları (RNN'ler)        199

8.5.3. Üretken Rekabet Ağları (GAN'lar)        200

8.5.4. Dönüştürücü Ağlar        201

8.5.5. Otomatik Kodlayıcılar        202

8.5.6. Derin İnanç Ağları (DBN’ler)        203

8.6. Evrişimsel Sinir Ağları (CNN’ler)     203

8.6.1. Evrişim Katmanı        205

8.6.2. Havuzlama Katmanı        209

8.6.3. Düzeltilmiş Doğrusal Birim Fonksiyonu (ReLU)        210

8.6.4. Tam Bağlantılı Katman        210

8.6.5. Çıkış Katmanı        211

8.6.6. İleri Besleme        211

8.6.7. Geri Yayılım        212

8.7. Özet

8.8. Çalışma Soruları

Bölüm 9. Yapay Öğrenme       Atınç YILMAZ ~ Doç. Dr.

9.1. Tarihçeye Kısa Bir Bakış     219

9.2. Yapay Öğrenme için Matematiksel İhtiyaçlar     202

9.2.1. Lineer Cebir        220

9.2.2. İstatistik ve Olasılık        221

9.2.3. Optimizasyon        222

9.2.4. Görüntü İşleme için Gerekli Temeller        222

9.2.5. Doğal Dil İşleme için Gerekli Temeller        223

9.3. Üretken Yapay Zeka     223

9.4. Danışmanlı ve Danışmansız Öğrenme     225

9.4.1. Danışmanlı Öğrenme        226

9.4.1.1. Lineer Regresyon    226

9.4.1.2. Lojistik Regresyon    227

9.4.1.3. Destek Vektör Makineleri    227

9.4.1.4. Karar Ağaçları    227

9.4.1.5. Ansambl    228

9.4.1.6. Yapay sinir ağları    229

9.4.2. Danışmansız Öğrenme        230

9.4.2.1. K-Ortalamalar Yöntemi    231

9.4.2.2. Yoğunluk Tabanlı Kümeleme – DBSCAN    231

9.4.2.3. Boyut Azaltma Yöntemleri    232

9.4.2.4. Gizli Markov Yöntemi    233

9.4.2.5. Gizli Dirichlet Dağılımı    233

9.5. Yapay Öğrenme Modellerinin Değerlendirilmesi     233

9.6. Özet

9.7. Çalışma Soruları

Bölüm 10. Yapay Zekada Kullanılan Diller ve Kütüphaneler       Turgay Tugay BİLGİN ~ Prof. Dr.

10.1. Python Programlama Dili ve Yapay Zeka     238

10.1.1. Yapay Zeka Uygulamalarında Kullanılan Python Kütüphaneleri        238

10.1.2. Python ile YZ Uygulaması Geliştirmenin Değerlendirilmesi        240

10.1.3. Python ile Yapay Zekâ Uygulaması Örneği        241

10.1.4. Yapay Zeka Alanında Python Dilinin Gelecekteki Önemi        242

10.2. R Programlama Dili ve Yapay Zeka     242

10.2.1. Yapay Zeka Uygulamalarında Kullanılan R Kütüphaneleri        243

10.2.2. R ile Yapay Zeka Uygulaması Geliştirmenin Değerlendirilmesi        244

10.2.3. R ile Yapay Zeka Uygulaması Örneği        244

10.2.4. Yapay Zeka Alanında R Dilinin Gelecekteki Önemi        246

10.3. MATLAB ve Yapay Zeka     246

10.3.1. Yapay Zeka Uygulamaları için MATLAB Kütüphaneleri        247

10.3.2. MATLAB ile YZ Uygulaması Geliştirmenin Değerlendirilmesi        247

10.3.3. MATLAB ile Yapay Zekâ Uygulaması Örneği        248

10.3.4. Yapay Zeka Alanında MATLAB Dilinin Gelecekteki Önemi        249

10.4. Java ve Yapay Zeka     249

10.4.1. Yapay Zeka Uygulamasında Kullanılan Java Kütüphaneleri        249

10.4.2. Java ile Yapay Zeka Uyg. Geliştirmenin Değerlendirmesi        250

10.4.3. Java ile Yapay Zeka Uygulaması Örneği        251

10.4.4. Yapay Zekâ Alanında Java Dilinin Gelecekteki Önemi        253

10.5. Prolog     253

10.5.1. Yapay Zeka Uygulamasında Kullanılan Prolog Kütüphaneleri        254

10.5.2. Prolog ile Yapay Zeka Uyg. Geliştirmenin Değerlendirilmesi        255

10.5.3. Prolog ile Yapay Zeka Uygulaması Örneği        256

10.5.4. Yapay Zeka Alanında Prolog Dilinin Gelecekteki Önemi        258

10.6. Diğer Programlama Dilleri

10.7. Özet

10.8. Çalışma Soruları

Bölüm 11. Robotik Özellikler ve Kontrol Mühendisliği Uygulamaları      Ercan KÖSE ~ Doç. Dr.

11.1. Yapay Zekanın Robotikte Sağladığı Temel Özellikler     262

11.2. Robotik Sistemler     268

11.3. Yapay Zeka Kontrol Mühendislik Uygulamaları     273

11.3.1. Yapay Zekanın Mühendislik Uygulamalarına Katkısı        274

11.3.2. Yapay Zeka Temelli Kontrol Sistemlerin Tasarımı        274

11.3.3. Yapay Zeka ile Güçlendirilmiş Otomatik Kontrol Sistemleri        275

11.3.4. Yapay Zeka Kullanım Örnekleri        276

11.4. Özet  

11.5. Çalışma Soruları

Bölüm 12. Görsel Algı ve Bilgisayarla Görme       Emre DANDIL ~ Doç. Dr.

12.1. Görsel Algı     293

12.1.1. Görme Sistemi       294

12.2. Bilgisayarla Görme        295

12.2.1. Görüntü Dönüşümü        299

12.2.2. Görüntü İşleme        304

12.2.3. Özellik Çıkarma        316

12.2.4. Bölütleme        318

12.2.5. Hareket Tespiti ve Takibi        322

12.2.6. Sınıflandırma        323

12.2.7. Nesne Tanıma        325

12.3. Özet

12.4. Çalışma Soruları

Bölüm 13. Yapay Zeka Optimizasyon Algoritmaları      Ahmet Cevahir ÇINAR ~ Doç. Dr.

13.1. Klasik Optimizasyon Yöntemleriyle YZOA’nın Kıyaslanması     330

13.1.1. Klasik Optimizasyon Yöntemlerinin Yetersizlikleri        330

13.1.2. YZOA’nın Üstünlükleri        330

13.2. Değişken Türlerine Göre Optimizasyon Problemleri     331

13.2.1. Sürekli Değişkenli Optimizasyon Problemleri        332

13.2.2. Kesikli/Ayrık Değişkenli Optimizasyon Problemleri        332

13.2.3. Karma Değişkenli Optimizasyon Problemleri        332

13.3. YZOA’nın Genel Çerçevesi     333

13.4. Ağaç-Tohum Algoritması     334

3.4.1. Sürekli Ağaç-Tohum Algoritması        334

13.4.2. Kısıtlı Ağaç-Tohum Algoritması        339

13.4.3. İkili Ağaç-Tohum Algoritmaları        339

13.4.3.1. Benzerlik Tabanlı İkili TSA (SimTSA)    340

13.4.3.2. Mantıksal Kapı Tabanlı İkili TSA (LogicTSA)   344

13.4.3.3. Benzerlik ve Man. Kapı Tab. İkili TSA (SimLogicTSA)    345

13.4.4. Kesikli Ağaç-Tohum Algoritması (DTSA)        345

13.4.4.1. Komşuluk Operatörleri   346

13.4.4.1.1. Takas Operatörü      346

13.4.4.1.2. Öteleme Operatörü      346

13.4.4.1.3. Simetri operatörü      347

13.4.4.2. DTSA’nın Algoritmik Çerçevesi     347

13.5. Özet

13.6. Çalışma Soruları

Bölüm 14. Yapay Zekada Olasılık Teorisi ve Stokastik Süreçler      Hasan Hüseyin KARAOĞLU ~ Dr., Ender Mete EKŞİOĞLU ~ Prof. Dr. ve Ahmet Hamdi KAYRAN ~ Prof. Dr.

14.1. Olasılık ve Belirsizlik     352

14.1.1. Belirsizlik Türleri        352

14.1.2. Olasılık Modelleri        353

14.1.3. Olasılığın İki Yorumu        354

14.2. Olasılık Teorisi’nin Temel Kavramları     355

14.2.1. Olasılık Uzayı        355

14.2.2. Rastgele Değişken        356

14.2.3. İstatistik ve Kestirim Yöntemleri        364

14.2.3.1. Doğrusal Regresyon    365

14.2.3.2. En Büyük Olabilirlik Kestirimi    366

14.2.3.3. En Büyük Sonsal Kestirimi    367

14.2.3.4. En Küçük Ortalama Hata Kestirimi    368

14.3. Olasılığın Modern Yüzleri     369

14.3.1. Değişimli Otokodlayıcılar        369

14.3.2. Üretici Çekişmeli Ağlar        370

14.3.3. Difüzyon Modelleri        370

14.4. Özet

14.4. Çalışma Soruları

Kaynakça

Dizin

Yapay Zeka Mühendisliği Cil 2. İleri Teknik ve Sosyal Konular

Editör: Prof. Dr. Cengiz Uğurkaya

Önsöz

Bölüm 1. Yapay Zeka Teorisine Bir Bakış ~ Editör

Bölüm 2. Günümüzdeki Yapay Zeka Uygulamaları ve Teknik Özellikleri ~ Prof. Dr. Osman ALİEFENDİOĞLU

Bölüm 3. Sinir Zeka ve Felsefe  ~ Prof. Dr. Betül ÇOTUKSÖKEN

Bölüm 4. Sinir Ağları ve Yapay Zekaya Yansımaları ~ ???

Bölüm 5. Büyük Veri ve Bulut Bilişim ~ Doç. Dr. Süleyman EKEN

Bölüm 6. Oyun Teorisi ve Yapay Zeka Yansıması ~ Prof. Dr. Mehmet KARAKÖSE

Bölüm 7. İnsan Bilgisayar Etkileşimi ~ Prof. Dr. Ayhan ERDEM ve Dr. Esra SÖĞÜT

Bölüm 8. Konuşma Tanıma ve Duygu Algılama ~ ???

Bölüm 9. Doğal Dil İşleme ve Dilbilmi  ~ Dr. Hanife GÖKER ve Prof. Dr. Hakan TEKEDERE

Bölüm 10. Graf Bilimi Yapay Zeka Yansımaları ~ Doç. Dr. Zeydin PALA

Bölüm 11. Kuantum Hesaplama ve Yapay Zeka ~ Doç. Dr. Büşra ÖZDENİZCİ KÖSE

Bölüm 12. Sosyal Açıdan Yapay Zeka ve Etik ~ Prof. Dr. Cesur BARANSEL ve Ayşe ESER BARANSEL

Kaynakça

Dizin

Cilt 2. İleri Teknik ve Sosyal Konular

Arka kapak yazısı. Yapay Zeka Mühendisliği adlı bu kitap serimizde yapay zeka üzerine hem kuramsal (teorik) bilgilere hem de verilen örneklerle uygulamalara odaklanılmıştır. Okuyucuların farklı farklı bilgi seviyelerinde olabileceği gözönüne alınarak kitaplarımızdan ilki “temel bilgiler”, ikincisi “derin bilgiler” ve üçüncüsü de “uygulama vaka örnekleri” şeklinde adlandırılmıştır.   

Yapay zeka alanına mühendis bakışı ile hazırlanan bu kitaplarımızın ikincisi “derin konular” başlığına altında toplanmıştır; yani temel konuların daha ilerisine gidilmeye çalışılmıştır. Dolayısıyla bu kitabımızda aşağıdaki konulara yer verilmiştir:

   •   Yapay Zeka Teorisi: Yapay zeka alanında kullanılan tasarım ilkeleri, matematiksel modelleri, altyapı gereksinimleri, algoritmaları ve yöntemlerini inceleyen bir disiplindir. Bu teoride, uygulamayı gerçekleştirmek için hangi matematiksel yöntemleri ve modellerinin kullanıldığı incelenir.

   •   Yapay Öğrenme ve Sinir Ağları: Yapay öğrenme, bir sayısal sistemin geçmişteki deneyimlerinden veya özel öğrenme verilerinden öğrenerek belirli görevleri yapabilmesini sağlayan bir yapay zeka dalıdır. Bu deneyimler, büyük verilerden damıtılarak elde edilir; ve veri kümelerindeki örüntüleri tanıyarak tahminlerde bulunur. Sinir ağları ise insanın sahip olduğu biyolojik sinir yapısından esinlenerek tasarlanmış bir matematiksel modeldir; veri analizi ve örüntü tanıma gibi işler için kullanılır.

   •   Yapay Zeka Çevre Birimleri: Yapay zeka sistemlerinin dışarısıyla etkileşim kurmasını sağlar; girdi verilerini almasına ve ürettiği sonuç çıktılarını dışarıya iletmesine imkan verir; yani sistemlerin etkileşime girdiği ve bilgi alış-verişi yaptığı kaynakları ifade eder. Yaygın olarak; sensörler, API’ler, elektronik kontrol sistemleri, ses sistemleri, otomasyon sistemleri, veritabanları ve İnternet uygulamaları olarak sıralanabilir.

   •   Kuramsal Konular: Yapay zekanın kendi teorisi yoğun olarak matematik konularına dayalıdır; matematiğin bilgisayar bilimi ile birleşmesiyle sanki merkez nüve oluşturulmaktadır. Dolayısıyla “Matematik, yapay zeka çalışmalarının kraliçesidir.” denilebilir. Yapay zeka algoritmalarını anlamak, geliştirmek ve optimize etmek için lineer cebir, türev-integral denklemleri, olasılık ve istatistik, optimizasyon matematiği, ayrık matematik ve algoritma analizi konuları oldukça önemlidir.

   •   Gelecek Öngörüleri: Yakın ve uzak gelecekte yapay zekanın nasıl bir gelişim gösterebileceği üzerine kuramsal öngörüler ve insanlığa fırsat ve olası tehditlerinin neler olabileceği şimdiden tartışılması oldukça önemlidir. Çünkü yapay zeka sistemi tasarlayıp geliştirecek olan mühendislerin bunları da başlangıçta gözönüne alması önemlidir.

Cilt 3. Yapay Zeka Mühendisliği: Vaka Çalışmaları

Editör: Prof. Dr. Osman Aliefendioğlu

Bu kitabımız hazırlanmaktadır; genel olarak Yapay Zeka üzerine yapılmış ve sonuçlanmış çalışmaları kapsayacaktır. Bir mühendislik çalışması olarak teknik özellikleri, çalışmanın yöntembilimi, kullanılan algoritmalar, araç-gereçler, eğitim/öğretim veri kümeleri ve sonuçları ele alınacaktır. Çalışmalarınız var ise admin@papatyabilim.com.tr adresine başvurabilirsiniz.