Weka ile Yapay Zekâ Makine Öğrenmesi Yapay Sinir Ağları – Derin Öğrenme Dr. Öğr. Üyesi Emrah Aydemir  - Kitap

Weka ile Yapay Zekâ

Makine Öğrenmesi Yapay Sinir Ağları – Derin Öğrenme

2. Baskı, 
Temmuz 2019
Kitabın Detayları
Dili:
Türkçe
Ebat:
16x24
Sayfa:
231
Barkod:
9789750255366
Kapak Türü:
Karton Kapaklı
Kitabın Fiyatı:
185,00
İndirimli (%15):
157,25
Stoktan hemen gönderilir.
3
ürünü beraber alın
%20 İNDİRİMDEN
yararlanın!
1.340,00
1.069,90
Kitabın Açıklaması
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.
Kitabın 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
Kitabın İçindekileri
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