A-Z™ | Projelerle Yapay Zeka ve Bilgisayarlı Görü | +20 Saat

About this course

A-Z™ | Projelerle Yapay Zeka ve Bilgisayarlı GörüKursumuzda klasik ve derin öğrenme tabanlı yöntemlerini kullanarak nesne tespiti, sınıflandırma ve takibinin nasıl yapıldığını öğrenip, Tensorflow - Pytorch - Fastai - Opencv kütüphaneleriyle gerçek hayat projeleri yapacağız.Projelerle Yapay Zeka ve Bilgisayarlı Görü Kursu İçeriğiGiriş BölümüDerin Öğrenme TeoriCNN (Convolutional Neural Networks) TeoriEk Teori Pytorch ile Derin Öğrenme Tensorflow ile Derin Öğrenme FastAi ile Derin ÖğrenmeOpencvTensorflow ile Trafik İşaretlerini SınıflandırmaGradio ile Web Tabanlı TestTensorflow ve Pytorch'da Weights & Biases (WandB) | Özel VeriOyunda Yapay Zeka | Bir Oyunu Modelin Kendi OynamasıObject Detection - Nesne Tanıma ve Segmentasyon  | 2. KısımYoloV4 ile Nense TanımaYoloV5 ile Nense TanımaYoloR ile Nense TanımaYoloX ile Nense TanımaDetectron2 ile Nense Tanıma | Özel Veri | Faster R-CNN -Facebook AlTensorflow 1 ile Nense Tanıma | Özel Veri | SSD MobileNetTensorflow 2 ile Nense Tanıma | Özel Veri | EfficientDet ve CenterNet HourGlassHaarCascade ile Nesne Tanıma | Özel VeriSAHI KÜTÜPHANESİ | Türk Yapımı ve Gurur KaynağıDeepSort - Nesne Takibi | Özel Model/VeriDetectron2 ile Segmentasyon (Mask R-CNN) | Özel Veri - Facebook AlMask R-CNNMetin TanımaCounting - Nesne Tanıma Algoritmalarında Nesne SaymaTensorRT - Optimizasyon | 3. KısımTensorRT | Yolov4 - Object Detection için FPS Arttırma - Jetson NanoAndroid- Tensorflow / Lite  | 4. KısımTensorflow Lite - Android

Course objectives

• master the use of key libraries for AI
• complete multiple hands-on projects
• gain practical knowledge in traffic sign classification
• develop skills in object tracking and real-time applications