使用说明
🧠 AI Foundry - Modern Yapay Zeka Projeleri Koleksiyonu
Yapay Zeka öğrenmek ve uygulamak için kapsamlı, öğretici proje koleksiyonu
🎯 Proje Amacı
Bu repository, yapay zeka alanında öğrenmek isteyenler için kapsamlı, pratik ve öğretici projeler içerir. Her seviyeden geliştiricinin faydalanabileceği gerçek dünya örnekleri ve detaylı açıklamalar sunar.
| 📁 Kategori | 📋 Projeler |
|---|---|
| 👁️ Computer Vision |
🖼️ Image Classification 🎯 Object Detection 👤 Face Recognition |
| 🤖 LLM Projects |
💬 Custom Chatbot 🔎 RAG Implementation |
| 🔧 MCP Projects |
⚙️ Basic MCP Server 🖥️ Demo MCP Server 📄 File MCP 📧 MCP Mail |
| 📊 ML/DL Fundamentals |
🎓 Admission Predict 🩺 Hyperparameter Optimization 💉 Binary Classification 🌊 Deep Learning Flow 🏠 Housing Prices 🖼️ CNN CIFAR-10 🧠 Manual Neural Network 🕸️ Neural Networks 🐧 Penguins Classification 🗑️ Transfer Learning |
🚀 Hızlı Başlangıç
Önkoşullar
- Python 3.8+
- Git
- Virtual environment (önerilir)
Kurulum
-
Repository'yi klonlayın git clone https://github.com/MuratKomurcu1/ai-foundry.git
-
Proje dizinine gidin cd ai-foundry-main
-
Sanal ortamı (virtual environment) oluşturun ve aktif edin python -m venv venv
Windows için: venv\Scripts\activate
Linux/Mac için: source venv/bin/activate
- Gerekli kütüphaneleri yükleyin pip install -r requirements.txt
İlk Proje Örnek olarak, duygu analizi projesini çalıştıralım: cd nlp-projects/sentiment-analysis python main.py --text "Bu harika bir proje!"
📋 Proje Seviyeleri
| Seviye | Açıklama | Örnekler |
|---|---|---|
| 🟢 Başlangıç | Temel kavramlar ve basit implementasyonlar | Penguins Classification, Basic MCP Server |
| 🟡 Orta | Daha karmaşık modeller ve teknikler | Object Detection, RAG Implementation |
| 🔴 İleri | Kapsamlı ve özelleştirilmiş projeler | Transfer Learning on Garbage Dataset |
🛠️ Teknoloji Yığını
- Python Libraries: PyTorch, TensorFlow, Transformers, scikit-learn
- Data Processing: pandas, numpy, matplotlib, seaborn
- NLP: spaCy, NLTK, Transformers
- Computer Vision: OpenCV, PIL, torchvision
- MLOps: MLflow, Weights & Biases, Docker
📖 Öğrenme Yolu
Yeni Başlayanlar İçin
- ML Fundamentals bölümünden başlayın
- Basic NLP projelerini deneyin
- Computer Vision temellerini öğrenin
İleri Seviye 2. RAG Implementation ile pratik yapın 3. MCP Projects ile modern protokolleri keşfedin
🏆 Öne Çıkan Özellikler ✅ Kapsamlı Dokümantasyon: Her proje için detaylı açıklamalar ve kod yorumları. ✅ Gerçek Dünya Örnekleri: Teorik bilgiyi pratiğe döken, uygulanabilir senaryolar. ✅ Türkçe Desteği: NLP projelerinde Türkçe dil modelleri ve veri setleri üzerine çalışmalar. ✅ Modern Teknolojiler: Sektörde kullanılan en güncel yapay zeka araçları ve kütüphaneleri. ✅ Modüler Yapı: Projeler arası geçişi ve kodun yeniden kullanımını kolaylaştıran düzenli yapı.
