Makine öğrenmesi

Makine öğrenmesi September 8, 2026 Lab

Yerel LLM'lerin performans testleri: ilk yanıt süresi, üretim hızı ve bellek

İlk yanıt içeriğini üretim oranından ve kontrolünden ayrı olarak ölçün. residency, caching and memory conditions.

Hands-on · 2 min okuma Makine öğrenmesi September 5, 2026

Nesne Algılama ve Semantik Bölümleme Temel Bilgileri — Bir Görüntüden "Nerede Ne Var"ı Okuma

Nesne tespiti nesnelerin etrafına kutular çizer; anlamsal bölümlendirme ise her pikseli anlamına göre renklendirir. İkisi arasındaki farktan, örnek ve panoramik bölümlendirmeye, R-CNN'den YOLO, DETR ve DINO'ya ve bunların 3 boyutlu nokta bulutu karşılıklarına kadar, sahne anlama temellerinin sistematik bir incelemesi.

Fundamentals · 14 min okuma Makine öğrenmesi September 4, 2026

Makine Öğrenimine Giriş: Üretken Modeller

Üretken modeller veri dağılımlarını temsil eder ve koşullu çıktılar oluşturur. Olasılık, VAE, GAN, difüzyon, değerlendirme, kaynak izleme ve güvenlik konularını öğrenin.

Fundamentals · 4 min okuma Makine öğrenmesi September 4, 2026

Makine Öğrenimine Giriş: Temeller — Veri, Kayıp Fonksiyonu ve Genelleme Tasarımı

Makine öğrenimi sadece model seçimiyle sınırlı değildir: görevi, veri bölümlendirmesini, kayıp fonksiyonunu, değerlendirmeyi ve dağıtım değişikliğini tanımlamak da önemlidir.

Fundamentals · 5 min okuma Makine öğrenmesi September 4, 2026

SegFormer'a Kapsamlı Bir Kılavuz — Konumsal Kodlama Olmayan Bir Transformer'ın Segmentasyon İçin Neden İşe Yaradığı

Bu makale, NVIDIA, Hong Kong Üniversitesi ve NeurIPS 2021'deki işbirlikçileri tarafından tanıtılan SegFormer'ı orijinal makaleye dayanarak ayrıntılı olarak inceliyor. Konumsal kodlama içermeyen hiyerarşik MiT kodlayıcıyı, parametre açısından verimli All-MLP kod çözücüyü, etkin alıcı alanı ve ölçülen mIoU'yu, parametre sayımlarını inceliyor ve B0'dan B5'e kadar denklemlerle hesaplamalar yapıyoruz.

Fundamentals · 8 min okuma Makine öğrenmesi September 4, 2026

YOLO11 Detaylı Açıklama — C3k2 ve C2PSA, YOLOv8'den Neleri Değiştirdi?

Resmi dokümanlar ve birincil kaynaklar kullanarak Ultralytics YOLO11'i ayrıntılı olarak inceleyin: C3k2, C2PSA, çapa içermeyen algılama, DFL/CIoU kayıpları ve n/s/m/l/x için ölçülen kıyaslama değerleri.

Fundamentals · 10 min okuma Makine öğrenmesi September 4, 2026

Makine Öğrenimine Giriş: Sinir Ağlarının Temelleri

Sinir ağları, doğrusal dönüşümleri ve doğrusal olmayan aktivasyonları üst üste yığar, ardından geri yayılım ve gradyan tabanlı optimizasyon yoluyla kayıpları azaltır.

Fundamentals · 4 min okuma Makine öğrenmesi September 4, 2026

Makine Öğrenimine Giriş: Duruş Tahmini

Poz tahmini, insan veya nesnenin kilit noktalarını ve 6 boyutlu pozunu görüntülerden çıkarır. Bu giriş yazısı koordinatları, kayıpları, örtüşmeyi, değerlendirmeyi ve güvenliği kapsar.

Fundamentals · 4 min okuma Pekiştirmeli öğrenme September 4, 2026

Çoklu Ajanlı Takviyeli Öğrenmeye Giriş — Karşı Tarafın da Öğrendiği Bir Dünyada Optimizasyon

Birden fazla ajanın aynı anda öğrenmesi durumunda, tek ajanlı MDP artık geçerli değildir. Bu makale, denklemler ve diyagramlarla birlikte, durağan olmama, işbirlikçi/rekabetçi/karma ortamlar, CTDE, kredi atama problemi ve MADDPG ile QMIX'i düzenlemektedir.

Fundamentals · 7 min okuma Pekiştirmeli öğrenme September 4, 2026

π0 Açıklaması — Akış Eşleştirme, VLA Eylem Üretimini Nasıl Değiştirdi?

Physical Intelligence'ın π0'ına yönelik kaynak tabanlı teknik kılavuz: PaliGemma VLM ve özel Eylem Uzmanı, koşullu akış eşleştirmesiyle sürekli eylem üretimi, yedi robot tipi arasında çapraz vücutlama eğitimi ve RT-2 ve OpenVLA gibi otoregresif VLA modellerinden farkı.

Fundamentals · 10 min okuma Pekiştirmeli öğrenme September 4, 2026

Ödül Tasarımına Giriş — RL'de "Neyi En Üst Düzeye Çıkarmalı" Sorusu Neden En Zor Kısım?

Takviyeli öğrenme uygulamalarında, ödül fonksiyonu tasarımı, algoritmadan daha çok sonucu belirler. Bu makale, seyrek ve yoğun ödül, potansiyel tabanlı ödül şekillendirmenin politika değişmezliği, ödül manipülasyonunun gerçek örnekleri, ters takviyeli öğrenme ve kısıtlı takviyeli öğrenmeyi ele almaktadır.

Fundamentals · 7 min okuma Pekiştirmeli öğrenme September 3, 2026

Pekiştirmeli Öğrenmeye Giriş: Taklit Öğrenme ve Ters Pekiştirmeli Öğrenme

Davranış Klonlama, DAgger ve ters pekiştirme öğrenmesi, ödüllerin yazılması zor olduğunda gösterimlerden yararlanır. Bu giriş niteliğindeki metin, kovaryat kayması, ödül çıkarımı, VLA bağlantıları, değerlendirme, güvenlik ve veri kaynağı konularını kapsamaktadır.

Fundamentals · 5 min okuma Pekiştirmeli öğrenme September 3, 2026

Takviyeli Öğrenmenin Temelleri — MDP'ler, Bellman Denklemleri ve Robotlar için Keşif

Takviyeli öğrenme, bir ajanın gözlemlerden eylemler seçtiği ve gecikmeli ödülleri maksimize ettiği kapalı bir döngüdür. Bu giriş niteliğindeki metin, MDP'leri, değer fonksiyonlarını, politikaları, Bellman denklemlerini, keşif ve sömürüyü, ödül tasarımını ve simülasyondan gerçek bir robota giden yolu açıklamaktadır.

Fundamentals · 6 min okuma Pekiştirmeli öğrenme September 3, 2026

Model Tabanlı Takviyeli Öğrenme ve Simülasyondan Gerçeğe

Gerçek makineler için dünya modelleri, tahmin hatası, MPC, alan rastgeleleştirme, sistem tanımlama ve güvenlik izleme.

Fundamentals · 4 min okuma Pekiştirmeli öğrenme September 3, 2026

Politika Gradyanları, PPO ve SAC — Robotlar için Kararlı Sürekli Kontrol

Politika gradyanları, yönlendirme, itme ve eklem torkunun sürekli kalabilmesi için politikayı doğrudan günceller. Bu makale, Aktör-Eleştirmen, PPO ve SAC'yi birbirine bağladıktan sonra kırpma, entropi düzenlemesi, değerlendirme ve simülasyondan gerçek hayata aktarım için güvenlik sınırını ele almaktadır.

Fundamentals · 5 min okuma Pekiştirmeli öğrenme September 3, 2026

Q-Learning ve DQN — Q-Tablosundan Derin Pekiştirmeli Öğrenmeye

Q-öğrenme, eylem değerlerini Bellman optimumluk hedefiyle günceller. Bu giriş niteliğindeki kılavuz, tablo halindeki bir Q-tablosundan Derin Q-Ağına giden yolu izleyerek, deneyim tekrarı, hedef ağlar, aşırı tahmin ve robot yığınında güvenli yerleştirme konularını açıklamaktadır.

Fundamentals · 5 min okuma