Merhabalar Emir, öncelikle önündeki akademik hayatında başarılar dilerim.
Lisans boyunca veri analizi, görüntü işleme, bilgisayarlı görü, doğal dil işleme gibi yapay zekanın uygulamalı alanlarında lecturelar alacaksın. Bir süre sonra farkedeceksin ki bunların hepsi temelinde çok benzer prensiplere dayanıyor. Tavsiyem bu temel için küçükten büyüğe doğru teorik konuları incelemen.
Örneğin, derin öğrenmeden önce makine öğrenmesi, makine öğrenmesinden önce temel istatistik konularını gözden geçirebilirsin. Daha önce programlama dillerinde deneyimin yoksa Python dilinde birkaç ufak egzersiz projesi bitirmen üniversitedeki programlama dili derslerini öğrenmeni hızlandırabilir.
Kaynak olarak Stanford Üniversitesi'nin Youtube üzerinde ücretsiz yayınladığı Machine Learning dersinin introduction kısmını dinlemeni tavsiye ederim. Dersin profesörü Andrew Ng ML alanında yayınlar yapan bir isim. Coursera üzerinden ML derslerini takip etmeni de öneririm.
Muhtemelen özellikle ilk 2 senende Calculus, Differential Equations, Linear Algebra, Statistics, Numerical Methods, Statistics gibi matematik yoğunluklu dersler alacaksın. Programdan önce türev, integral, mantık gibi konuları bir hatırlamak hazırlanmana fayda edecektir. Unutma ki bu konular AI/ML/DL konularının çekirdeği.
Brighton'un keyfini çıkar, Pier'da benim için de noodle ye :)
Önereceğim Kaynaklar:
Stanford University CS229 Machine Learning: https://www.youtube.com/playlist?list=PLoROMvodv4rMiGQp3WXShtMGgzqpfVfbU
Coursera Andrew Ng Deep Learning: https://www.coursera.org/specializations/deep-learning
Coursera Stanford Introduction to Statistics: https://www.coursera.org/learn/stanford-statistics?
3Blue1Brown Youtube: Derin öğrenme, transformers gibi birçok kompleks konuyu görselleştirerek anlatıyor: https://www.youtube.com/@3blue1brown
