![](https://neoshare.net/wp-content/uploads/2021/02/printHello-Medium.jpeg)
![Özlem İskender](https://neoshare.net/wp-content/uploads/2021/02/printHello-Medium.jpeg)
Siz de bu kapsamlı alana giriş yapmış,
“Yapay zeka ve derin öğrenmeye giriş yapmak istiyorum ancak nereden ve nasıl başlayacağımı bilemiyorum.”
diyenlerdenseniz bu yazım karşılaştığım sorunlardan da yola çıkarak hazırlanmış bir tavsiye niteliğindedir. İlk olarak sizin gibi ben de aynı kafa karışıklığıyla başladım. Bu şekilde ilerlemek zor olacağından bir yol haritası belirlemem gerekti.
Başarı için küçükten başlamak ve ölçeklendirmek !
Eğer en zor yerden başlarsanız, vazgeçmeniz kolay olacaktır. Bu yüzden yavaş adımlarla öğrenmeniz daha kolay olur.
1.Adım
Yapay zeka ciddi anlamda ve düzenli çalışmayı gerektiren bir alandır. En başta algoritmaları anlama, çözümleme noktasında sağlam bir matematik temeliniz olmalıdır. Özellikle makine öğrenimi algoritmaları matematiğin vektörler, matrisler, olasılık ve istatistik alanında bilgi sahibi olmanızı gerektirir. Bu konuda Coursera’dan makine öğrenimi için sunulan Math kursunu takip etmenizi tavsiye ederim.
https://www.coursera.org/learn/linear-algebra-machine-learning
İstatistik üzerine matematiksel temeller ile kendinizi geliştirmenizi sağlayacak MIT’in harika bir dersi var. Bu dersin içeriğini takip ederek gelecekte karşınıza çıkacak:
· Belirli bir veri seti için hangi model ne kadar uygundur?
· Doğrusal regresyonda değişkenler nasıl seçilir?
· Doğrusal olmayan olgular nasıl modellenir?
· Yüksek boyutlu veriler nasıl görselleştirilir?
gibi sorulara cevap bulabileceksiniz. edx.org üzerinden ücretsiz bu kursa erişebilirsiniz.
2.Adım
Programlama dili seçin. Özellikle Python birçok derin öğrenme kütüphanesinin arka planında kullanılmasından dolayı en çok tercih edilen programlama dilidir. Veri görselleştirme içinse en çok tercih edilen dil R’ dır.
Online ortamda(udemy, btk akademi, youtube vb.) birçok ücretli/ücretsiz kurs yer almaktadır. Bu platformları takip ederek ve uygulamaları inceleyerek sıfırdan öğrenebilir ve kendinizi geliştirebilirsiniz. Takip etmiş olduğum kursların linkleri aşağıdadır.
· https://www.btkakademi.gov.tr/portal/course/r-ile-veri-bilimine-giris-13050#!/about
Python’un Numpy, Pandas, Matplotlib, OpenCv ve SciKit-Learn gibi ünlü veri görselleştirme kitaplıklarını öğrenmeniz ve her türlü veriyi analiz etmeniz ve grafik olarak görmeniz gerekiyor. Veri görselleştirme için birçok kütüphane var ancak bunlar en önemlileridir. Bu konuda tavsiye ettiğim dersler:
https://www.udemy.com/course/veri-bilimi-icin-python/
https://www.udemy.com/course/veri-analizi-icin-python/
3.Adım
Bu alanda başarılı olmuş deneyim sahibi insanları takip edin, etkinliklerine katılın, dinleyin. Sizlere bana bu konuda yol göstermiş birkaç veri bilimci adreslerini tavsiye edebilirim:
https://www.linkedin.com/in/andrewyng/
https://www.linkedin.com/in/trevor-hastie-a6a4735/
https://www.linkedin.com/in/mvahitkeskin/
https://www.linkedin.com/in/zaferdemirkol/
https://www.linkedin.com/in/data-scientist-emre-yazici/
https://www.linkedin.com/in/merve-ayyuce-kizrak/
https://www.linkedin.com/in/merve-noyan-28b1a113a/
https://www.linkedin.com/in/mertcobanoglu/
4.Adım
Yapay zeka algoritmalarını ve matematiğini öğrenin. Yapay sinir ağları(Artificial Neural Networks), Makine Öğrenmesi(Machine Learning) , Derin Öğrenme(Deep Learning) gibi temel dersleri mutlaka takip edin. Bu konuda tavsiye ettiğim dersler:
Coursera’daki bu efsane eğitimi yine makine öğrenmesi ve derin öğrenme dünyasının yaşayan efsanelerinden olan aynı zamanda Coursera’nın da kurucusu olan Andrew Ng’den mutlaka almalısınız: https://www.coursera.org/instructor/andrewng
https://www.udemy.com/course/machinelearning/
https://www.udemy.com/course/derin-ogrenmeye-giris/
5.Adım
Öğrendiklerinizi uygulayın. İyi ya da kötü projeler yapmayı deneyin. Katıldığınız kurslardaki tüm projeleri bitirmeye özen gösterin. Özellikle kaggle’ı kullanın. Kaggle projelerini inceleyin.
Kaggle: Veri Bilimi, Makine Öğrenmesi, Derin Öğrenme konularında yarışmalar düzenleyen bir platformdur. Kaggle sadece yarışma değil aynı zamanda eğitim materyalleri de sunmaya başladı.
6.Adım
Git ve Github kullanımını mutlaka öğrenin. Bu alanda geliştirilen projeleri takip edin, inceleyin ve geliştirdiğiniz projeleri github platformunda paylaşın.
Detaylı takip edebileceğiniz road-map : https://github.com/datastacktv/data-engineer-roadmap