Garfield
YZF Admin
Peter Norvig’in aranan yapay zekâ kitabı, Stuart Russell ile birlikte yazdığı Artificial Intelligence: A Modern Approach adlı eserdir. Türkçede genellikle “Yapay Zekâ: Modern Bir Yaklaşım” adıyla anılır. Yapay zekânın temel kavramlarını sistemli biçimde öğrenmek istiyorsanız bu kitabı baştan sona hızlıca okumak yerine önce genel çerçeveyi inceleyip ardından arama, bilgi temsili, makine öğrenmesi ve derin öğrenme bölümlerini matematik ve programlama altyapınıza göre sırayla çalışmanız daha verimli olur.
Kitap, yapay zekâyı yalnızca güncel sohbet botları veya makine öğrenmesi modelleri üzerinden ele almaz. Akıllı etmenler, problem çözme, arama algoritmaları, oyun oynama, mantıksal çıkarım, belirsizlik altında karar verme, planlama, makine öğrenmesi, sinir ağları, doğal dil işleme, bilgisayarlı görü ve robotik gibi alanları aynı çatı altında açıklar.
Kitabın temel yaklaşımı, bir sistemin çevresinden bilgi alıp hedefleri doğrultusunda eylem seçmesini incelemektir. Bu nedenle eser, yapay zekânın hem klasik yöntemlerini hem de modern öğrenme tabanlı yöntemlerini anlamak için kullanılabilir. Peter Norvig’in ortak yazarı olduğu bu kitap, üniversite düzeyinde yapay zekâ derslerinde kullanılan kapsamlı başvuru kitaplarından biridir.
Bilgisayar bilimine yeni başlayan biri kitabın bütün ayrıntılarını ilk okumada takip etmekte zorlanabilir. Özellikle algoritmalar, olasılık, doğrusal cebir, kalkülüs ve Python gibi konularda temeliniz varsa kitaptan daha fazla yararlanırsınız. Buna karşılık yalnızca yapay zekânın genel çalışma mantığını öğrenmek istiyorsanız her bölümü ayrıntılı çözmek yerine kavram açıklamalarını ve örnekleri seçerek okuyabilirsiniz.
Kitap, güncel bir kütüphane kullanım kılavuzu değildir. Belirli bir Python paketinin güncel sözdizimini veya bir yapay zekâ hizmetinin değişen arayüzünü öğretmek yerine, bu araçların arkasındaki yöntemleri açıklar. Bu yüzden kitabı uygulama belgeleri ve güncel örnek kodlarla birlikte kullanmak gerekir.
Aşağıdaki sıra, kitabı genel okuyucudan uygulama geliştirmek isteyen öğrenciye kadar farklı düzeylerde kullanılabilir hâle getirir:
Aşağıdaki ayrım, kitabın size uygun olup olmadığını hızlıca gösterir.
Sonuç olarak Peter Norvig adıyla aranan kitap, tek bir yapay zekâ aracının kullanımını anlatan pratik bir el kitabı değil; alanın temel yöntemlerini bir arada sunan kapsamlı bir ders ve başvuru kitabıdır. Yeni başlıyorsanız seçilmiş bölümlerle ilerleyin; algoritmaları öğrenmek istiyorsanız örnekleri kodlayarak test edin; güncel üretim uygulamaları geliştiriyorsanız kitaptaki teoriyi güncel teknik belgeler ve gerçek veri deneyleriyle tamamlayın.
Kitap neyi anlatıyor?
Kitap, yapay zekâyı yalnızca güncel sohbet botları veya makine öğrenmesi modelleri üzerinden ele almaz. Akıllı etmenler, problem çözme, arama algoritmaları, oyun oynama, mantıksal çıkarım, belirsizlik altında karar verme, planlama, makine öğrenmesi, sinir ağları, doğal dil işleme, bilgisayarlı görü ve robotik gibi alanları aynı çatı altında açıklar.
Kitabın temel yaklaşımı, bir sistemin çevresinden bilgi alıp hedefleri doğrultusunda eylem seçmesini incelemektir. Bu nedenle eser, yapay zekânın hem klasik yöntemlerini hem de modern öğrenme tabanlı yöntemlerini anlamak için kullanılabilir. Peter Norvig’in ortak yazarı olduğu bu kitap, üniversite düzeyinde yapay zekâ derslerinde kullanılan kapsamlı başvuru kitaplarından biridir.
Kimler için uygun?
Bilgisayar bilimine yeni başlayan biri kitabın bütün ayrıntılarını ilk okumada takip etmekte zorlanabilir. Özellikle algoritmalar, olasılık, doğrusal cebir, kalkülüs ve Python gibi konularda temeliniz varsa kitaptan daha fazla yararlanırsınız. Buna karşılık yalnızca yapay zekânın genel çalışma mantığını öğrenmek istiyorsanız her bölümü ayrıntılı çözmek yerine kavram açıklamalarını ve örnekleri seçerek okuyabilirsiniz.
Kitap, güncel bir kütüphane kullanım kılavuzu değildir. Belirli bir Python paketinin güncel sözdizimini veya bir yapay zekâ hizmetinin değişen arayüzünü öğretmek yerine, bu araçların arkasındaki yöntemleri açıklar. Bu yüzden kitabı uygulama belgeleri ve güncel örnek kodlarla birlikte kullanmak gerekir.
Nasıl çalışılmalı?
Aşağıdaki sıra, kitabı genel okuyucudan uygulama geliştirmek isteyen öğrenciye kadar farklı düzeylerde kullanılabilir hâle getirir:
- Önce genel çerçeveyi okuyun. Yapay zekâ, akıllı etmen ve problem çözme kavramlarının birbirinden nasıl ayrıldığını anlayın. Bu bölüm, sonraki teknik konular için ortak sözlük oluşturur.
- Arama ve problem çözme konularını çalışın. Bir hedef durumuna ulaşmak için durumların nasıl temsil edildiğini, genişlik öncelikli arama ile derinlik öncelikli aramanın nasıl ayrıldığını ve sezgisel yöntemlerin neden kullanıldığını karşılaştırın.
- Bilgi temsili ve mantıksal çıkarımı inceleyin. Bir sistemin bildiklerini nasıl ifade ettiğine ve yeni sonuçlara nasıl ulaştığına odaklanın. Bu kısım, kural tabanlı sistemleri ve akıl yürütmeyi anlamak için önemlidir.
- Belirsizlik ve karar verme bölümlerine geçin. Gerçek dünyadaki bilgilerin eksik veya gürültülü olması nedeniyle olasılıkların ve beklenen faydanın nasıl kullanıldığını öğrenin.
- Makine öğrenmesi ve sinir ağlarını uygulamayla pekiştirin. Bir kavramı okuduktan sonra küçük bir veri kümesi üzerinde sınıflandırma veya tahmin deneyi yapın. Sonucun iyi çıkması, modelin nedensel bir açıklama öğrendiğini veya her yeni veride güvenilir çalışacağını kanıtlamaz.
- Güncel araçları ayrıca doğrulayın. Kitaptaki yöntemi güncel bir kütüphaneyle uygularken ilgili kütüphanenin belgelerindeki sürüm, kurulum ve kullanım değişikliklerini esas alın.
Kitabı seçerken hangi beklenti doğru?
Aşağıdaki ayrım, kitabın size uygun olup olmadığını hızlıca gösterir.
| İhtiyaç | Kitabın katkısı | Eksik kalabilecek bölüm |
|---|---|---|
| Yapay zekânın temelini öğrenmek | Kavramları ve yöntemleri geniş bir çerçevede açıklar | Bazı matematiksel ayrıntılar başlangıç düzeyine ağır gelebilir |
| Algoritmaların mantığını anlamak | Arama, karar verme ve öğrenme yaklaşımlarını karşılaştırır | Güncel yazılım araçlarının kullanımı ayrıca öğrenilmelidir |
| Bir yapay zekâ uygulaması geliştirmek | Model seçiminin arkasındaki ilkeleri verir | Üretim ortamı, veri mühendisliği ve güncel API ayrıntıları için ek kaynak gerekir |