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 2018 / 1. Baskı / 216 Syf.
Fiyatı: 29.90 TL
Stokta var (24 saatte kargoya verilir).
 
Sepete Ekle
   
3 kitabı beraber alın İNDİRİMDEN yararlanın!
 
29.90 TL
+

 

 

69.90 TL
+

 

 

49.90 TL
=

 

 

149.70 TL
119.90 TL
Sepete Ekle
 

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.

Kitapta konular gereksiz detaylara girilmeden, sade bir dille anlatılmıştır. İlk önce ağırlıklı olarak Veri Madenciliğinde sık kullanılan Yapay Sinir Ağları Weka programı ile anlatmıştır. Weka programında diğer algoritmaların nasıl kullanılacağı 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
Barkod: 9789750249150
Yayın Tarihi: Temmuz 2018
Baskı Sayısı:  1
Ebat: 16x24
Sayfa Sayısı: 216
Yayınevi: Seçkin Yayıncılık
Kapak Türü: Karton Kapaklı
Dili: Türkçe
Ekler: -

 

İÇİNDEKİLER
İçindekiler
Önsöz  5
Şekiller Listesi  14
1. VERİ, MADENCİLİK VE ÖĞRENME  19
1.1. Veri  19
1.2. Enformasyon  19
1.3. Bilgi  20
1.4. Veri Tabanları  21
1.5. Veri Ambarları  22
1.6. Veri Madenciliği  22
1.7. Veri Madenciliğinde Verileri Hazırlama  24
1.8. Yapay Zekâ  25
1.9. Makine Öğrenmesi  26
1.10. Derin Öğrenme  27
1.11. Yapay Zekâ Yöntemleri  28
1.12. Yapay Zekâ Uygulama Alanları ve Geleceği  29
1.13. Yapay Zekâ Uygulamalarında Kullanılan Programlar  30
2. YAPAY SİNİR AĞLARI  31
2.1. Yapay Bir Sinirin Öğeleri  31
2.2. Yapay Sinir Ağlarının Güçlü ve Zayıf Yönleri  33
2.3. Yapay Sinir Ağlarının Genel Özellikleri  34
2.4. Yapay Sinir Ağlarının Dezavantajları  35
2.5. Yapay Sinir Ağlarının Temel Öğrenme Kuralları  36
2.6. Yapay Sinir Ağları Modelleri  37
2.6.1. İleri Beslemeli Yapay Sinir Ağları  38
2.6.2. Geri Beslemeli Yapay Sinir Ağları  39
2.7. Yapay Sinir Ağlarının Eğitilmesi  39
3. TAHMİNİN HATA DÜZEYİNİN BELİRLENMESİ  43
3.1. Sayısal Sonuçları Tahmin Etmek  44
3.1.1. Korelasyon Katsayısı  45
3.1.2. Ortalama Mutlak Hata  45
3.1.3. Hataların Karelerinin Ortalamasının Karekökü  46
3.1.4. Göreceli Mutlak Hata  46
3.1.5. Göreceli Mutlak Hata Karekökü  47
3.2. Nominal Sonuçları Tahmin Etmek  47
3.2.1. Hata Matrisi  47
3.2.2. Doğru Yerleştirme Başarısı  48
3.2.3. Kappa İstatistiği  49
3.2.4. Tahmin Sınıflarının Doğruluk Detayları  49
4. WEKA  55
4.1. Weka Programını İndirme  57
4.2. Paket Yönetim sistemi  58
4.3. Başlangıç  60
4.3.1. Veri Dosyası ve Formatları  60
4.3.2. Örnek Bir Analiz Yapma  63
4.3.3. Eğitim ve Test Verilerini Parçalama  66
4.3.4. Çıktının İncelenmesi  67
4.3.5. Tekrar Çalıştırma  68
4.3.6. Modeller ile Çalışma  69
4.3.7. Hata Oluştuğunda  73
4.4. Explorer Penceresi  73
4.4.1. ARFF Uzantılı Dosyalar Oluşturma  75
4.4.2. Veri Ön İşleme  80
4.4.3. Filtreleri Kullanma  82
4.4.4. Öğrenme Şemaları ile Eğitim ve Test  86
4.4.5. Meta Öğrenme Algoritması Kullanma  92
4.4.6. Kümeleme Analizleri  93
4.4.7. İlişkilendirme Kuralları  96
4.4.8. Nitelik Seçimi  98
4.4.9. Görselleştirme  98
4.5. Filtre Algoritmaları  100
4.5.1. Gözetimsiz Nitelik Filtreleri  101
4.5.1.1. Nitelikleri Silme ve Ekleme  101
Add  101
Copy  101
AddUserFields  102
AddID  102
Remove  102
RemoveType  102
RemoveUseless  102
InterquartileRange  102
AddCluster  103
ClusterMembership  103
AddExpression  103
MathExpression  103
NumericTransform  103
Normalize  104
Center  104
Standardize  104
RandomSubset  104
CartesianProduct  104
PartitionedMultiFilter  104
Reorder  104
4.5.1.2. Değerleri Değiştirme  105
SwapValues  105
MergeTwoValues  105
MergeManyValues  105
MergeInfrequentValues  105
MissingValues  105
MissingWithUserConstant  105
WithMissingValue  105
NumericCleaner  106
AddValues  106
ClassAssigner  106
SortLabels  106
4.5.1.3. Dönüştürmeler  106
Discretize  106
PKIDiscretize  106
MakeIndicator  106
NominalToBinary  107
NumericToBinary  107
NumericToNominal  107
FirstOrder  107
KernelFilter  107
PrincipalComponents  107
Transpose  107
4.5.1.4. String Dönüştürme  108
StringToNominal  108
NominalToString  108
StringToWordVector  108
FixedDictionaryStringToWordVector  108
ChangeDateFormat  108
4.5.1.5. Zaman Serisi Verileri  108
TimeSeriesTranslate  108
TimeSeriesDelta  109
4.5.1.6. Niteliklerin Rastgele Yapılması  109
AddNoise  109
Obfuscate  109
RandomProjection  109
4.5.2. Verilere Yönelik Gözetimsiz Filtreler  109
Randomize  109
Resample  109
RemoveFolds  109
ReservoirSample  110
RemovePercentage  110
RemoveRange  110
RemoveWithValues  110
RemoveFrequentValues  110
SubsetByExpression  110
RemoveMisclassified  110
NonSparseToSparse  110
SparseToNonSparse  110
4.5.3. Gözetimli Filtreler  111
4.5.3.1. Gözetimli Nitelik Filtreleri  112
Discretize  112
NominalToBinary  112
ClassOrder  112
AddClassification  112
AttributeSelection  112
ClassConditionalProbabilities  112
4.5.3.2. Verilere Yönelik Gözetimli Filtreler  113
Resample  113
SpreadSubsample  113
Smote  113
StratifiedRemoveFolds  113
4.6. Öğrenme Algoritmaları  113
4.6.1. Bayes Sınıflandırıcılar  114
NaiveBayes  114
NaiveBayesUpdateable  116
NaiveBayesMultinomial  116
NaiveBayesMultinomialUpdateable  117
NaiveBayesMultinomialText  117
4.6.2. Ağaç Algoritmaları (Tree)  118
J48  118
DecisionStump  119
RandomTree  119
RandomForest  120
REPTree  120
M5P  121
LMT  121
HoeffdingTree  122
4.6.3. Kurallar (Rules)  122
DecisionTable  122
OneR  123
PART  124
M5Rules  124
JRip  125
4.6.4. Fonksiyonlar  125
SimpleLinearRegression  125
LinearRegression  126
SMO  126
SMOreg  127
VotedPerceptron  128
GaussianProcesses  128
SGD  129
SGDText  129
SimpleLogistic  130
Logistic  131
4.6.5. Tembel Algoritmalar (Lazy)  131
IBk  131
KStar  132
LWL  133
4.6.6. Çeşitli Sınıflandırıcılar (Misc)  133
SerializedClassifier  133
InputMappedClassifier  134
4.6.7. Meta Öğrenme Algoritmaları  135
Bagging  135
RandomCommittee  135
RandomSubSpace  136
AdaBoostM1  137
AdditiveRegression  137
LogitBoost  138
Vote  138
Stacking  139
CostSensitiveClassifier  140
AttributeSelectedClassifier  140
CVParameterSelection  141
MultiScheme  142
IterativeClassifierOptimizer  142
ClassificationViaRegression  143
RegressionByDiscretization  144
MultiClassClassifier  144
4.7. Kümeleme Algoritmaları (Clustering)  145
Cobweb  145
SimpleKMeans  146
EM  147
HierarchicalClusterer  149
FarthestFirst  149
MakeDensityBasedClusterer  150
Canopi  150
4.8. Birliktelik Kural Öğrenmeleri  151
Apriori  151
FPGrowth  152
FilteredAssociator  153
4.9. Nitelik Seçimi  154
4.9.1. Nitelik Değerlendiriciler  154
CfsSubsetEval  154
WrapperSubsetEval  155
ReliefFAttributeEval  155
InfoGainAttributeEval  156
GainRatioAttributeEval  157
SymmetricalUncertAttributeEval  157
OneRAttributeEval  158
PrincipalComponents  158
4.9.2. Arama Yöntemleri  159
BestFirst  159
GreedyStepwise  160
Ranker  161
5. WEKA İLE YAPAY SİNİR AĞLARI  163
5.1. GUI Ekranı  165
5.2. Parametre Değerleri  171
5.2.1. Otomatik Oluşturma (AutoBuild)  171
5.2.2. Yığın Boyutu (BatchSize)  172
5.2.3. Ayıklama (debug)  173
5.2.4. Zayıflama (decay)  173
5.2.5. Verileri Kontrol Etme (doNotCheckCapabilities)  174
5.2.6. Öğrenme Oranı (learningRate)  175
5.2.7. Momentum (momentum)  175
5.2.8. Kategorik Verileri İkili Verilere Dönüştürme (nominalToBinaryFilter)  176
5.2.9. Verileri Normalize Etme (normalizeAttributes)  177
5.2.10. Sayısal Tahmin Değerini Normalize Etme (normalizeNumericClass)  177
5.2.11. Gizli Katmanlar (hiddenLayers)  178
5.2.12. Ondalıklı Sayı Sınırını Belirleme (numDecimalPlaces)  182
5.2.13. Baştan Başlatma (reset)  183
5.2.14. Başlangıç (seed)  183
5.2.15. Devir Sayısı (TrainingTime)  184
5.2.16. Doğrulama Kümesi Oranı (validationSetSize)  185
5.2.17. Doğrulama Eşiği (validationThreshold)  185
6. C# İÇİNDEN WEKA KULLANIMI  187
6.1. IKVM Uygulamasını İndirme  188
6.2. C# Tarafından Kullanılacak Weka.dll Dosyasını Üretme  189
6.3. Visual Studio İçinden Weka.dll Dosyasını Kullanma  194
Kaynakça  209
Kavramlar Dizini  213
 


Emrah Aydemir ...
Eylül 2018
149.70 TL
İndirimli: 119.90 TL (%19)
Sepete Ekle
Zafer Demirkol
Ağustos 2018
48.00 TL
Sepete Ekle
Atalay Sıdar
Temmuz 2018
59.90 TL
Sepete Ekle
Çetin Elmas
Haziran 2018
49.90 TL
Sepete Ekle





 

İÇİNDEKİLER
İçindekiler
Önsöz  5
Şekiller Listesi  14
1. VERİ, MADENCİLİK VE ÖĞRENME  19
1.1. Veri  19
1.2. Enformasyon  19
1.3. Bilgi  20
1.4. Veri Tabanları  21
1.5. Veri Ambarları  22
1.6. Veri Madenciliği  22
1.7. Veri Madenciliğinde Verileri Hazırlama  24
1.8. Yapay Zekâ  25
1.9. Makine Öğrenmesi  26
1.10. Derin Öğrenme  27
1.11. Yapay Zekâ Yöntemleri  28
1.12. Yapay Zekâ Uygulama Alanları ve Geleceği  29
1.13. Yapay Zekâ Uygulamalarında Kullanılan Programlar  30
2. YAPAY SİNİR AĞLARI  31
2.1. Yapay Bir Sinirin Öğeleri  31
2.2. Yapay Sinir Ağlarının Güçlü ve Zayıf Yönleri  33
2.3. Yapay Sinir Ağlarının Genel Özellikleri  34
2.4. Yapay Sinir Ağlarının Dezavantajları  35
2.5. Yapay Sinir Ağlarının Temel Öğrenme Kuralları  36
2.6. Yapay Sinir Ağları Modelleri  37
2.6.1. İleri Beslemeli Yapay Sinir Ağları  38
2.6.2. Geri Beslemeli Yapay Sinir Ağları  39
2.7. Yapay Sinir Ağlarının Eğitilmesi  39
3. TAHMİNİN HATA DÜZEYİNİN BELİRLENMESİ  43
3.1. Sayısal Sonuçları Tahmin Etmek  44
3.1.1. Korelasyon Katsayısı  45
3.1.2. Ortalama Mutlak Hata  45
3.1.3. Hataların Karelerinin Ortalamasının Karekökü  46
3.1.4. Göreceli Mutlak Hata  46
3.1.5. Göreceli Mutlak Hata Karekökü  47
3.2. Nominal Sonuçları Tahmin Etmek  47
3.2.1. Hata Matrisi  47
3.2.2. Doğru Yerleştirme Başarısı  48
3.2.3. Kappa İstatistiği  49
3.2.4. Tahmin Sınıflarının Doğruluk Detayları  49
4. WEKA  55
4.1. Weka Programını İndirme  57
4.2. Paket Yönetim sistemi  58
4.3. Başlangıç  60
4.3.1. Veri Dosyası ve Formatları  60
4.3.2. Örnek Bir Analiz Yapma  63
4.3.3. Eğitim ve Test Verilerini Parçalama  66
4.3.4. Çıktının İncelenmesi  67
4.3.5. Tekrar Çalıştırma  68
4.3.6. Modeller ile Çalışma  69
4.3.7. Hata Oluştuğunda  73
4.4. Explorer Penceresi  73
4.4.1. ARFF Uzantılı Dosyalar Oluşturma  75
4.4.2. Veri Ön İşleme  80
4.4.3. Filtreleri Kullanma  82
4.4.4. Öğrenme Şemaları ile Eğitim ve Test  86
4.4.5. Meta Öğrenme Algoritması Kullanma  92
4.4.6. Kümeleme Analizleri  93
4.4.7. İlişkilendirme Kuralları  96
4.4.8. Nitelik Seçimi  98
4.4.9. Görselleştirme  98
4.5. Filtre Algoritmaları  100
4.5.1. Gözetimsiz Nitelik Filtreleri  101
4.5.1.1. Nitelikleri Silme ve Ekleme  101
Add  101
Copy  101
AddUserFields  102
AddID  102
Remove  102
RemoveType  102
RemoveUseless  102
InterquartileRange  102
AddCluster  103
ClusterMembership  103
AddExpression  103
MathExpression  103
NumericTransform  103
Normalize  104
Center  104
Standardize  104
RandomSubset  104
CartesianProduct  104
PartitionedMultiFilter  104
Reorder  104
4.5.1.2. Değerleri Değiştirme  105
SwapValues  105
MergeTwoValues  105
MergeManyValues  105
MergeInfrequentValues  105
MissingValues  105
MissingWithUserConstant  105
WithMissingValue  105
NumericCleaner  106
AddValues  106
ClassAssigner  106
SortLabels  106
4.5.1.3. Dönüştürmeler  106
Discretize  106
PKIDiscretize  106
MakeIndicator  106
NominalToBinary  107
NumericToBinary  107
NumericToNominal  107
FirstOrder  107
KernelFilter  107
PrincipalComponents  107
Transpose  107
4.5.1.4. String Dönüştürme  108
StringToNominal  108
NominalToString  108
StringToWordVector  108
FixedDictionaryStringToWordVector  108
ChangeDateFormat  108
4.5.1.5. Zaman Serisi Verileri  108
TimeSeriesTranslate  108
TimeSeriesDelta  109
4.5.1.6. Niteliklerin Rastgele Yapılması  109
AddNoise  109
Obfuscate  109
RandomProjection  109
4.5.2. Verilere Yönelik Gözetimsiz Filtreler  109
Randomize  109
Resample  109
RemoveFolds  109
ReservoirSample  110
RemovePercentage  110
RemoveRange  110
RemoveWithValues  110
RemoveFrequentValues  110
SubsetByExpression  110
RemoveMisclassified  110
NonSparseToSparse  110
SparseToNonSparse  110
4.5.3. Gözetimli Filtreler  111
4.5.3.1. Gözetimli Nitelik Filtreleri  112
Discretize  112
NominalToBinary  112
ClassOrder  112
AddClassification  112
AttributeSelection  112
ClassConditionalProbabilities  112
4.5.3.2. Verilere Yönelik Gözetimli Filtreler  113
Resample  113
SpreadSubsample  113
Smote  113
StratifiedRemoveFolds  113
4.6. Öğrenme Algoritmaları  113
4.6.1. Bayes Sınıflandırıcılar  114
NaiveBayes  114
NaiveBayesUpdateable  116
NaiveBayesMultinomial  116
NaiveBayesMultinomialUpdateable  117
NaiveBayesMultinomialText  117
4.6.2. Ağaç Algoritmaları (Tree)  118
J48  118
DecisionStump  119
RandomTree  119
RandomForest  120
REPTree  120
M5P  121
LMT  121
HoeffdingTree  122
4.6.3. Kurallar (Rules)  122
DecisionTable  122
OneR  123
PART  124
M5Rules  124
JRip  125
4.6.4. Fonksiyonlar  125
SimpleLinearRegression  125
LinearRegression  126
SMO  126
SMOreg  127
VotedPerceptron  128
GaussianProcesses  128
SGD  129
SGDText  129
SimpleLogistic  130
Logistic  131
4.6.5. Tembel Algoritmalar (Lazy)  131
IBk  131
KStar  132
LWL  133
4.6.6. Çeşitli Sınıflandırıcılar (Misc)  133
SerializedClassifier  133
InputMappedClassifier  134
4.6.7. Meta Öğrenme Algoritmaları  135
Bagging  135
RandomCommittee  135
RandomSubSpace  136
AdaBoostM1  137
AdditiveRegression  137
LogitBoost  138
Vote  138
Stacking  139
CostSensitiveClassifier  140
AttributeSelectedClassifier  140
CVParameterSelection  141
MultiScheme  142
IterativeClassifierOptimizer  142
ClassificationViaRegression  143
RegressionByDiscretization  144
MultiClassClassifier  144
4.7. Kümeleme Algoritmaları (Clustering)  145
Cobweb  145
SimpleKMeans  146
EM  147
HierarchicalClusterer  149
FarthestFirst  149
MakeDensityBasedClusterer  150
Canopi  150
4.8. Birliktelik Kural Öğrenmeleri  151
Apriori  151
FPGrowth  152
FilteredAssociator  153
4.9. Nitelik Seçimi  154
4.9.1. Nitelik Değerlendiriciler  154
CfsSubsetEval  154
WrapperSubsetEval  155
ReliefFAttributeEval  155
InfoGainAttributeEval  156
GainRatioAttributeEval  157
SymmetricalUncertAttributeEval  157
OneRAttributeEval  158
PrincipalComponents  158
4.9.2. Arama Yöntemleri  159
BestFirst  159
GreedyStepwise  160
Ranker  161
5. WEKA İLE YAPAY SİNİR AĞLARI  163
5.1. GUI Ekranı  165
5.2. Parametre Değerleri  171
5.2.1. Otomatik Oluşturma (AutoBuild)  171
5.2.2. Yığın Boyutu (BatchSize)  172
5.2.3. Ayıklama (debug)  173
5.2.4. Zayıflama (decay)  173
5.2.5. Verileri Kontrol Etme (doNotCheckCapabilities)  174
5.2.6. Öğrenme Oranı (learningRate)  175
5.2.7. Momentum (momentum)  175
5.2.8. Kategorik Verileri İkili Verilere Dönüştürme (nominalToBinaryFilter)  176
5.2.9. Verileri Normalize Etme (normalizeAttributes)  177
5.2.10. Sayısal Tahmin Değerini Normalize Etme (normalizeNumericClass)  177
5.2.11. Gizli Katmanlar (hiddenLayers)  178
5.2.12. Ondalıklı Sayı Sınırını Belirleme (numDecimalPlaces)  182
5.2.13. Baştan Başlatma (reset)  183
5.2.14. Başlangıç (seed)  183
5.2.15. Devir Sayısı (TrainingTime)  184
5.2.16. Doğrulama Kümesi Oranı (validationSetSize)  185
5.2.17. Doğrulama Eşiği (validationThreshold)  185
6. C# İÇİNDEN WEKA KULLANIMI  187
6.1. IKVM Uygulamasını İndirme  188
6.2. C# Tarafından Kullanılacak Weka.dll Dosyasını Üretme  189
6.3. Visual Studio İçinden Weka.dll Dosyasını Kullanma  194
Kaynakça  209
Kavramlar Dizini  213
 


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

Seçkin Yayıncılık San. Tic. A.Ş.
Copyright © 1996 - 2018