Program
Yapay zekâ (AI) ve ChatGPT gibi sohbet botlarının gündeme damga vurduğu heyecan verici bir çağda yaşıyoruz. Görünen o ki herkesin artık kendi yapay zekâ asistanı olsun istiyor. Peki siz de sıfırdan kendi yapay zekâ projenizi geliştirmek ister misiniz?
Bu yazıda, yeni başlayanlar, orta seviye geliştiriciler ve uzmanlar için yapay zekâ projelerine bakacağız. İster yeni başlıyor olun ister bir miktar deneyiminiz bulunsun, kendi yapay zekâ uygulamanızı oluşturmanıza rehberlik edecek kaynaklar bulacaksınız. Yolculuğunuza yeni başlıyorsanız, daha fazla bilgi için yapay zekâyı nasıl öğrenebilirsiniz rehberimize göz atın.
Yapay Zeka Uygulamaları Geliştirin
Yeni Başlayanlar için Yapay Zekâ Projeleri
Bu başlangıç projeleri, özgüven kazanmanıza ve yeni beceriler geliştirmenize yardımcı olarak yapay zekânın temellerini sağlamlaştırmanızı sağlar.
1. Hayat Ver: Kan Bağışını Tahmin Et
Hayat Ver: Kan Bağışını Tahmin Et projesi, bir bağışçının belirli bir zaman aralığında kan bağışında bulunup bulunmayacağını tahmin etmeyi amaçlar. Bu projede kullanılan veri kümesi, Tayvan'da çeşitli üniversitelerden kan toplayan gezici bir kan bağışı aracına aittir.

Bu yapay zekâ projesinde ham verileri işlemden geçirip TPOT Python AutoML aracına gireceksiniz. Bu araç, veri kümemiz için en iyi olanı belirlemek üzere yüzlerce makine öğrenimi hattını tarar.
İdeal hattı belirledikten sonra, daha iyi bir puan almak için normalize edilmiş özelliklerle modelimizi oluşturacağız.
AutoML araçları, sınırlı makine öğrenimi bilgisine sahip yeni başlayanların bile yapay zekâ projeleri geliştirmesine olanak tanır. Bu araçlar tüm görevleri üstlenir ve test ile dağıtıma uygun en iyi performans gösteren modeli sunar.
2. Kredi Kartı Onaylarını Tahmin Etme
Kredi Kartı Onaylarını Tahmin Etme projesinde, hiperparametre optimizasyonu ve Lojistik Regresyon kullanarak otomatik kredi kartı onayı için bir uygulama oluşturacaksınız.
Bu yapay zekâ projesi için, eksik değerleri ele alma, kategorik özellikleri işleme, özellik ölçekleme, dengesiz verilerle çalışma ve GridCV aracılığıyla otomatik hiperparametre optimizasyonu uygulama gibi çeşitli becerileri kullanmanız gerekecek.
Bu proje, sizi basit ve tertemiz verilerin ötesinde zorlayacak şekilde tasarlanmıştır.

Sınıflandırma alanında uzmanlaşmak istiyorsanız, LendingClub.com'dan Kredi Verileri ile başka bir proje daha neden yapmayasınız? Bu veri kümesini, otomatik kredi onayı tahmincisi oluşturmak için kullanabilirsiniz.
Yeni başlayanlara uygun projeler arıyorsanız, DataCamp'in keşfetmek isteyebileceğiniz bir Veri Bilimi Projeleri kütüphanesi bulunuyor. Farklı veri kümelerine kodlama becerilerinizi uygulayarak tarayıcınızda pratik zorlukların üstesinden gelebilir ve gerçek dünya deneyimi kazanabilirsiniz.
Orta Düzey Yapay Zekâ Projeleri
Bu orta seviye projeleri, hâlihazırda sahip olmanız gereken temel beceriler üzerine inşa ettik. Hem eğlenceli olacak kadar zorlayıcılar hem de becerilerinizi geliştirmenize yardımcı oluyorlar.
3. Nesne Tespiti
Nesne Tespiti projesinde ilk adım, görüntüyü parçalara ayırmaktır. Ardından, görüntüde bir kedinin bulunma olasılığını tahmin etmek için önceden eğitilmiş bir VGG-16 CNN kullanacaksınız. Son olarak, görüntü içinde kedinin konumunu göstermek için olasılıkların bir ısı haritasını oluşturacaksınız.

Sınırlayıcı kutu için daha doğru bir konum sağlamak amacıyla, koordinatları tahmin etmek için bir regresyon modeli kullanmalısınız.
Daha karmaşık şekle sahip nesnelerle çalışırken, bu görev için CNN'leri kullanmak faydalıdır. Bunu başarmak için, amacımız regresyon olduğu için, stokastik gradyan inişi optimize edicisini ve metrik olarak ortalama karesel hatayı (MSE) kullanacaksınız. Son olarak modelin sonuçlarını değerlendireceksiniz.
4. Metin Sınıflandırma için BERT
Metin Sınıflandırma projesinde, bir haber makalesinin "World", "Sports", "Business" veya "Sci/Tech" kategorisine girip girmediğini tahmin etmek için BERT'ü (Bidirectional Encoder Representations from Transformers) kullanacaksınız.
Bu orta düzey yapay zekâ projesi, veri kümesini nasıl işleyeceğinizi, modeli nasıl kurup eğiteceğinizi ve nihayetinde modelin başarımını nasıl değerlendireceğinizi öğretecek. Ayrıca dikkat mekanizmaları, transformer'lar ve BERT mimarisi hakkında bilgi edineceksiniz.

Bu projeyi makine öğrenimi portföyünüze dahil etmek, işe alınma şansınızı artırabilir. Büyük yapay zekâ modellerini nasıl eğiteceğinizi öğrenmenin yanı sıra, bu büyük ve karmaşık modellerin nasıl çalıştığına dair teknik bilgi de kazanacaksınız.
Etkili Yapay Zekâ Proje Yönetimi Teknikleri yazımızı keşfedin. Bu blog gönderisi, geniş ölçekte yapay zekâ projelerini yönetmeye yönelik en iyi stratejileri bir araya getirir.
Uzmanlar için Yapay Zekâ Projeleri
Uzmanlara yönelik bu yapay zekâ projeleri sizi gerçekten zorlayacak. Tamamlamak için geniş bir beceri ve bilgi yelpazesi kullanmanız ve gelişiminize katkı sağlayacak yeni kavramları denemeniz gerekecek.
5. LSTM ile Borsa Analizi ve Tahmini
LSTM kullanarak Borsa Analizi ve Tahmini projesinde, Apple, Amazon, Google ve Microsoft gibi teknoloji hisselerine odaklanarak borsa verilerini keşfedin ve inceleyin.
yfinance kütüphanesini kullanarak hisse bilgilerini nasıl çekeceğinizi ve Seaborn ile Matplotlib kullanarak nasıl görselleştireceğinizi öğrenin. Bir hissenin önceki performans geçmişine göre riskini analiz edin. Son olarak, gelecekteki hisse fiyatlarını tahmin etmek için Uzun Kısa Süreli Bellek (LSTM) yöntemini kullanarak bir yapay zekâ modeli oluşturun.

Zaman serisi veri kümeleriyle çalışma bilgisi ve hisse senedi fiyatlarını tahmin edebilme yetkinliği, finans sektörüne veya araştırma odaklı alanlara ilgi duyan herkes için kritik önemdedir.
Benzer şekilde, eğilimleri anlayıp çözüm üretebilmek, finans sektöründe son derece aranan bir beceridir.
6. Super Mario Yapay Zekâsı
Super Mario AI projesinde, derin Q-öğrenme ve ham piksel girdisi kullanarak Super Mario World'ün ilk seviyesini oynayacak bir yapay zekâ ajanı eğiteceksiniz. Deneyim tekrar oynatma, mekânsal dönüştürücü ağ ve ε-açgözlü politika gibi teknikleri birleştirir.
Model mimarisi, eylem geçmişini, ekran görüntüsü geçmişini ve mevcut durumu işlemek için ayrı dallara sahiptir ve çıktı katmanından önce birleştirilerek eylem-ödül değerlerini tahmin eder. Oyun ekranlarını gözlemleyerek, el yapımı özelliklere gerek kalmadan seviyeyi oynamayı öğrenir.

Bu proje oldukça ileri düzeydedir ve hem pekiştirmeli öğrenme hem de bilgisayarlı görü konularında kapsamlı yetkinlik gerektirir. Tekrarlanması zor olsa da, harcanan çabaya değer.
Daha zorlu projeler arıyorsanız, "Her Seviye için 25 Makine Öğrenimi Projesi"ni incelemeyi düşünün. Bu projeler, makine öğreniminin tüm ana alanlarını kapsamanıza yardımcı olabilir.
Eğlencelik Yapay Zekâ Projeleri
Listemizi hızlı ve eğlenceli bir projeyle bitiriyoruz. Yapay zekâ alanında yeni olsanız bile bundan keyif alacaksınız.
7. 5 Dakikada Yapay Zekâ Sohbet Botu Kurun
AI for Fun projesinde, Hugging Face ve Gradio kullanarak bir Yapay Zekâ Sohbet Botu oluşturacaksınız. Oldukça basittir ve asgari düzeyde Python bilgisi gerektirir.
Bu projede, sohbet modelini yüklemek için transformers kullanarak web uygulamasını geliştirmeyi ve dağıtmayı, ayrıca sohbet botu kullanıcı kestirimi oluşturmak için gradio Chat kestirimini kullanmayı öğreneceksiniz. Bir uygulama oluşturmak 5 dakikanızı alır ve tarayıcınızdan ayrılmanız gerekmez.

AI ChatBot'tan görsel
Gradio kısa süre önce, kullanıcıların 5 dakikadan kısa sürede özel sohbet botları oluşturmasına ve bunları ajanlarla entegre etmesine imkân tanıyan gr.ChatInterface(predict)'i tanıttı. Kendi sohbet arayüzünüzü nasıl oluşturacağınıza dair eksiksiz bir rehber için gradio.app üzerindeki Creating A Chatbot Fast sayfasını ziyaret edin. Ayrıca, konuşma botları oluşturmanın diğer yollarını keşfetmek için Python ile Sohbet Botları Geliştirme kursumuza da göz atabilirsiniz.
Eğlencelik yapay zekâ projeleri oluşturmayı sevdiyseniz, neden Üretken Modeller ve Açık Kaynak Araçlarla Yapabileceğiniz 5 Proje'yi denemiyorsunuz? Bir görsel düzenleyici, düşük kaynaklarla ChatGPT benzeri bir sohbet botu, kredi onayı sınıflandırıcı uygulaması, PDF etkileşimlerini otomatikleştirme ve GPT destekli bir sesli asistan oluşturmayı öğreneceksiniz.
Yapay Zekâ Projelerinize Bugün Başlayın
Temel eğitiminizi tamamlayıp diplomanızı aldıktan sonra, portföyünüzü oluşturmak için yapay zekâ projeleri üzerinde çalışmanız şiddetle tavsiye edilir. Kodlamanın yanı sıra, projenizi belgelemeniz ve geri bildirim almak için diğer profesyonellerle paylaşmanız önemlidir. Güçlü bir portföy, hayalinizdeki işe girmenize ve makine öğrenimi ile veri bilimi alanında öne çıkmanıza yardımcı olacaktır.
Bu blog, başlangıç, orta seviye, uzman ve eğlencelik yapay zekâ projelerine genel bir bakış sunar. Yapay zekâ alanında yeniyseniz, AI Fundamentals programına kaydolarak yolculuğunuza başlayabilirsiniz. Bu program, ChatGPT, büyük dil modelleri, üretken yapay zekâ ve daha fazlası gibi popüler yapay zekâ konularında uygulanabilir bilgi sunar. Yarının yapay zekâ dünyasına hazır olmak için bugün öğrenmeye başlayın.
SSS
Başlangıç düzeyi yapay zekâ projelerine başlamak için güçlü bir programlama geçmişine ihtiyacım var mı?
Hayır, başlangıç projeleri, özellikle süreci sadeleştirmek için TPOT AutoML gibi araçlar kullanıldığından, sınırlı programlama bilgisiyle bile becerilerinizi geliştirmenize yardımcı olacak şekilde tasarlanmıştır.
AutoML araçları nedir ve yapay zekâ projelerinde nasıl yardımcı olurlar?
TPOT gibi AutoML araçları, makine öğrenimi hatlarını veri kümeniz için en iyi olanı bulmak üzere otomatik olarak tarar; böylece derin uzmanlık olmadan da yapay zekâ modelleri oluşturmayı kolaylaştırır.
Herhangi bir başlangıç projesini tamamlamadan orta düzey projelerde çalışabilir miyim?
Evet, yapay zekâ ve programlama alanında temel becerilere sahipseniz, kendinizi zorlamak ve daha ileri kavramlar öğrenmek için doğrudan orta düzey projelerle başlayabilirsiniz.
Yapay zekâyı sıfırdan nasıl öğrenebilirim?
Hiç deneyiminiz ya da yapay zekâ becerileriniz yoksa, bir yapay zekâ projesine başlamak için muhtemelen çok erkendir. Neyse ki, DataCamp yapay zekâ serüveninize başlamak için en iyi yerdir! AI Fundamentals Track önemli yapay zekâ kavramlarında sizi hızlandıracak ve Sıfırdan Yapay Zekâ Öğrenme rehberimiz sizi bir yapay zekâ uzmanı olmaya götüren adımlardan tam olarak geçirecektir.
Yapay zekâ mühendisi nasıl olabilirim?
Bir yapay zekâ mühendisi olmak için, öncelikle yapay zekâ, Makine Öğrenimi (ML), veri bilimi ve yazılım mühendisliği gibi alanlarda sağlam bir temel edinin; zira bu disiplinler akıllı çözümler tasarlayıp geliştirmek için kritiktir. Ardından, stajlar, kişisel projeler (makaledeki projeler gibi) veya çevrimiçi kurslar ve bootcamp'ler aracılığıyla pratik deneyime odaklanarak becerilerinizi oluşturup sergileyin.

Sertifikalı bir veri bilimcisi olarak, yenilikçi makine öğrenimi uygulamaları oluşturmak için en son teknolojileri kullanmaya büyük ilgi duyuyorum. Konuşma tanıma, veri analizi ve raporlama, MLOps, konuşma yapay zekası ve NLP alanlarında güçlü bir geçmişe sahip olarak, gerçek bir etki yaratabilecek akıllı sistemler geliştirme becerilerimi geliştirdim. Teknik uzmanlığımın yanı sıra, karmaşık kavramları açık ve özlü bir dille ifade etme yeteneğine sahip, becerikli bir iletişimciyim. Sonuç olarak, veri bilimi konusunda aranan bir blog yazarı oldum ve giderek büyüyen veri profesyonelleri topluluğuyla görüşlerimi ve deneyimlerimi paylaşıyorum. Şu anda, içerik oluşturma ve düzenlemeye odaklanıyorum. Büyük dil modelleriyle çalışarak, hem işletmelerin hem de bireylerin verilerinden en iyi şekilde yararlanmalarına yardımcı olabilecek güçlü ve ilgi çekici içerikler geliştiriyorum.
