Makine öğrenmesi son yıllarda oldukça çarpıcı bir ilerleme sağladı: Konuşma ve görüntü tanımada çok kötüydük fakat insana yakın doğruluğa geçtik, ortalama bir Go oyuncusunu yenemeyen uygulamalardan dünya şampiyonlarını yenen uygulamalar geliştirme noktasına geldik. Bu ilerlemenin arkasında derin öğrenme var.
Gelecekte derin öğrenme sadece araştırmacılar, akademik profilli mühendisler ve lisansüstü öğrenciler gibi profesyoneller tarafından değil tüm geliştiriciler tarafından kullanılacak. Herkes akıllı uygulamalar geliştirmeye ihtiyaç duyacak: Tüm işletmeler nasıl şimdi bir internet sitesine ihtiyaç duyuyorsa tüm ürünler kullanıcının oluşturduğu veriyi anlamlandırmak için akla ihtiyaç duyacak. Bundan dolayı şu an ve yakın gelecekte derin öğrenmeye hâkim uygulama geliştiricilere olan ihtiyaç katlanarak artacaktır.
Bu kitap, derin öğrenmeyi sıfırdan keşfetmek ya da derin öğrenme anlayışını genişletmek isteyen herkes için yazılmıştır. İster makine öğrenmesi üzerine çalışan bir mühendis ya da akademisyen, isterse yazılım geliştiricisi veya üniversite öğrencisi olun, bu sayfalar size çok şey katacak. İşiniz bittiğinde, derin öğrenmeyi kendi projelerinizde uygulamak için gerekli bilgi ve beceriye sahip olacaksınız.
Bu kitap, matematiksel gösterime girmekten kaçınarak derin öğrenmeyi pratik ve uygulamalı olarak öğretiyor. Nicel kavramları kod parçaları aracılığıyla açıklıyor. Makine öğrenmesi ve derin öğrenmenin temel fikirleri hakkında pratik sezgiler geliştirmenizi sağlıyor. Bu kitapta, somut problemleri derin öğrenmeyi kullanarak çözmeye başlamak için bilmeniz gereken her şeyin ayrıntılı yorumuna, pratik önerileri ile hem basit hem de üst düzey açıklamalar içeren otuzdan fazla kod örneğine ulaşacaksınız.
Kod örnekleri, Python derin öğrenme kütüphanesi Keras'ı kullanarak yazılmıştır. En popüler ve en hızlı büyüyen derin öğrenme kütüphanesi olan Keras, derin öğrenmeye başlamak için en iyi araçtır.
Bu kitabı okuduktan sonra derin öğrenmenin ne olduğunu, ne zaman uygulanabilir olduğunu ve sınırlarının ne olduğunu tam olarak anlayacaksınız. Makine öğrenmesi sorunlarını çözmeniz için gerekli olan standart iş akışını bilecek ve sık karşılaşılan sorunların nasıl ele alınacağını öğreneceksiniz. Görüntü işlemeden doğal dil işlemeye kadar gerçek dünyadaki sorunların üstesinden gelmek için Keras'ı kullanabileceksiniz: Görüntü sınıflandırma, zaman serisi tahmini, duygu analizi, görüntü ve metin üretme ve daha fazlası.
François Chollet, Keras’ın yaratıcısıdır. Aynı zamanda TensorFlow makine öğrenmesi kütüphanesine katkı sağlamaktadır. CVPR, NeurIPS, ICLR, vb. alanın ana konferanslarında yayınlanmış çok sayıda makalesi bulunmaktadır. Google AI’da çalışmaktadır.