Unit 3 1 Introduction knowitvideos English Turkish

Unit 3 1 IntroductionYouTube↗ IA↗(long shot)
Howto & Style 36.6K views 95 likes 6 dislikes 08 Oct 2011

knowitvideos 11.8K subscribers N/A YouTube↗

Click to Play Video

So the next units will be concerned with probabilities

Önümüzdeki üniteler olasılıklarla ilgili olacak,

and particularly with structured probabilities using Bayes networks.

ve özellikle Bayes ağları kullanan yapılı olasılıklar üzerine olacak.

This is some of the most involved material in this class.

Bu konu dersimizdeki en kapsamlı konulardan biri.

And since this is a Stanford level class,

Ve bu bir Stanford seviyeside bir ders olduğu için,

you will find out that some of the quizzes are actually really hard.

bazı kısa sınavların gerçekten de zor olduğunu göreceksiniz.

So as you go through the material, I hope the hardness of the quizzes won't discourage you;

Konularda ilerlerken, umarım kısa sınavların zorluğu sizin şevkinizi kırmaz;

it'll really entice you to take a piece of paper and a pen and work them out.

bu problemleri çözmek için gerçekten kalem ve kağıt çıkarmaya zorlayacak.

Let me give you a flavor of a Bayes network using an example.

Bir örnek vererek Bayes Ağı'nın nasıl birşey olduğunu gösterelim.

Suppose you find in the morning that your car won't start.

Diyelim ki sabah kalktınız ve arabanız çalışmıyor.

Well, there's many causes why your car might not start.

Arabanızın çalışmaması için birçok neden olabilir.

One is that your battery is flat.

Bunlardan bir tanesi; akünüz bitmiş olabilir.

Even for a flat battery there is multiple causes.

Bitik akü için bile bir sürü neden vardır.

One, it's just plain dead,

Bir tanesi, akü tamamen boşalmış olabilir,

and one is that the battery is okay but it's not charging.

diğer bir neden, akü bitmemiştir ama kendini şarj edemiyordur.

The reason why a battery might not charge is that the alternator might be broken

Akünün kendini şarj edememesinin bir nedeni alternatörün bozuk olması olabilir,

or the fan belt might be broken.

ya da vantilatör kayışı kopmuştur.

If you look at this influence diagram, also called a Bayes network,

Eğer bu etki çizgesine, ya da Bayes Ağı'na, bakarsanız,

you'll find there's many different ways to explain that the car won't start.

arabanın neden çalışmadığını açıklamak için birçok değişik neden olduğunu görürsünüz.

And a natural question you might have is, "Can we diagnose the problem?"

Doğal olarak sorulacak soru da şudur:"Sorunu teşhis edebilir miyiz?"

One diagnostic tool is a battery meter,

Bir teşhis aracı akü ölçeridir,

which may increase or decrease your belief that the battery may cause your car failure.

bunu kullanarak arabanızın çalışmamasının nedeninin akü olmasına olan inancınızı azaltır veya çoğaltırsınız.

You might also know your battery age.

Akünüzün kaç yıllık olduğunu da biliyor olabilirsiniz.

Older batteries tend to go dead more often.

Akünün tamamen boşalması eski akülerde daha çok görülür.

And there's many other ways to look at reasons why the car might not start.

Arabanın neden çalışmadığının nedenine bakmak için daha birçok farklı yol vardır.

You might inspect the lights, the oil light, the gas gauge.

Farları, yağ ikaz ışığını, benzin depo göstergesini kontrol edebilirsiniz.

You might even dip into the engine to see what the oil level is with a dipstick.

Hatta, motorda ne kadar yağ kaldığına bakmak için yağ çubuğu bile batırabilirsiniz.

All of those relate to alternative reasons why the car might not be starting,

Bütün bunlar arabanın neden çalışmadığına dair değişik nedenlere aittir.

like no oil, no gas, the fuel line might be blocked, or the starter may be broken.

Yağ olmaması, benzin olmaması, yakıt borusunun tıkanık olması, ya da marşın arızalı olması..

And all of these can influence your measurements,

Bütün bunlar da, yani yağ ikaz ışığı ya da benzin deposu,

like the oil light or the gas gauge, in different ways.

ölçümlerinizi değişik şekillerde etkileyebilir.

For example, the battery flat would have an effect on the lights.

Örneğin, akünün boş olmasının arabadaki ışıklar üzerinde etkisi olur.

It might have an effect on the oil light and on the gas gauge,

Yağ ikaz ışığı ve yakıt deposu göstergesi üzerinde etkisi olabilir,

but it won't really affect the oil you measure with the dipstick.

ama çubukla ölçtüğünüz yağ seviyesi üzerinde bir etkisi olmaz.

That is affected by the actual oil level, which also affects the oil light.

Bu, ölçtüğünüz gerçek yağ seviyesiyle ilgilidir ki bu da yağ ikaz ışığını etkiler.

Gas will affect the gas gauge, and of course without gas the car doesn't start.

Benzin seviyesi yakıt deposunu etkileyecektir ve doğal olarak araba çalışmayacaktır.

So this is a complicated structure that really describes one way to understand

Yani bu bir arabanın neden çalışmadığını bir yönüyle açıklayan

how a car doesn't start.

karmaşık bir yapıdır.

A car is a complex system.

Araba karmaşık bir sistemdir.

It has lots of variables you can't really measure immediately,

Anında ölçülemeyecek birçok değişkeni vardır,

and it has sensors which allow you to understand a little bit about the state of the car.

ve arabanın durumunu biraz daha anlayabilmeniz için sensörleri vardır.

What the Bayes network does,

Bayes Ağı'nın yaptığı şey,

it really assists you in reasoning from observable variables, like the car won't start

gözlemlenebilir değişkenler üzerinde, yani arabanın çalışmaması, yağ çubuğunun seviyesi gibi;

and the value of the dipstick, to hidden causes, like is the fan belt broken

ve vantilatör kayışının kopması,ya da akünün tamamen boşalması gibi gizli sebepler üzerinde

or is the battery dead.

mantık yürütmenize yardımcı olmaktır.

What you have here is a Bayes network.

Burada bir Bayes Ağı var.

A Bayes network is composed of nodes.

Bir Bayes Ağı düğümlerden oluşur.

These nodes correspond to events that you might or might not know

Genellikle rassal değişken olarak adlandırılan bu düğümler; bildiğiniz

that are typically called random variables.

veya bilmediğiniz olaylara karşılık gelir.

These nodes are linked by arcs, and the arcs suggest that a child of an arc

Bu düğümler yaylarla birbirine bağlanır; bu yaylar, alt yayın üst yaydan

is influenced by its parent but not in a deterministic way.

rastlantısal olmayan bir şekilde etkilendiğini gösterir.

It might be influenced in a probabilistic way, which means an older battery, for example,

Olasılı bir şekilde de etkilenebilir; yani örneğin, eski bir akünün

has a higher chance of causing the battery to be dead,

tamamen boşalma olasılığı daha yüksektir,

but it's not clear that every old battery is dead.

ancak bu onun kesinlikle boşalmış olduğunu göstermez.

There is a total of 16 variables in this Bayes network.

Bu Bayes Ağı'nda toplamda 16 değişken var.

What the graph structure and associated probabilities specify

Çizgenin yapısı ve ilgili olasılıklar bütün bu 16 değişkenin

is a huge probability distribution in the space of all of these 16 variables.

içinde bulunduğu uzayda çok yüksek bir olasılık dağılımı olduğunu gösteriyor.

If they are all binary, which we'll assume throughout this unit,

Eğer hepsi ikili değer ise;ki bütün ünite boyunca biz böyle olduğunu farzedeceğiz,

they can take 2 to the 16th different values, which is a lot.

2 üzeri 16 tane farklı değer alacaklardır demektir, ki bu çok yüksek.

The Bayes network, as we find out, is a complex representation

Bayes Ağı, gördüğümüz üzere, bütün bu değişkenlerin

of a distribution over this very, very large joint probability distribution of all of these variables.

çok, çok büyük bir birleşik olasılık dağılımının temsil edildiği karmaşık bir dağılımdır.

Further, once we specify the Bayes network,

Dahası, Baye Ağı'nı tanımladıktan sonra,

we can observe, for example, the car won't start.

mesela, arabanın çalışmadığı durumu, gözlemleyebiliriz.

We can observe things like the oil light and the lights and the battery meter

Yağ ikaz ışığı, ışıklar, akü ölçeri gibi şeyleri gözlemleyebilir,

and then compute probabilities of the hypothesis, like the alternator is broken

ve alternatör bozuk ya da vantilatör kayışı kopuk,

or the fan belt is broken or the battery is dead.

ya da akü boşalmış gibi varsayım olasılıklarını hesaplayabiliriz.

So in this class we're going to talk about how to construct this Bayes network,

Yani bu derste, bu Bayes Ağı'nı nasıl oluşturacağımızı,

what the semantics are, and how to reason in this Bayes network

anlambilimini ve vantilatör kayışının kopuk olup olmadığı gibi gözlemlenebilir

to find out about variables we can't observe, like whether the fan belt is broken or not.

değişkenlerle ilgili bilgi edinmeyi göreceğiz.

That's an overview.

Bu bir genel bakış olacak.

Throughout this unit I am going to assume that every event is discrete--

Bu ünite boyunca, bütün olayların ayrık-- ve aslında iki değerli

in fact, it's binary.

olduğunu farzedeceğim.

We'll start with some consideration of basic probability,

Öncelikle, temel olasılığa gireceğiz,

we'll work our way into some simple Bayes networks,

daha sonra basit Bayes Ağları'na bakacağız,

we'll talk about concepts like conditional independence

"koşullu bağımsızlık" gibi kavramlardan bahsedeceğiz,

and then define Bayes networks more generally,

ve daha sonra Bayes Ağları'nı daha genel anlamda tanımlayacağız,

move into concepts like D-separation and start doing parameter counts.

"Yönsel Ayrılma" gibi kavramlara geçip, parametre sayımları yapmaya başlayacağız.

Later on, Peter will tell you about inference in Bayes networks.

Daha sonra, Peter size "Bayes Ağları Çıkarsama" konusundan bahsedecek.

So we won't do this in this class.

Yani bu konuyu şimdi derste yapmayacağız.

I can't overemphasize how important this class is.

Bu dersin ne kadar önemli olduğunu anlatamam.

Bayes networks are used extensively in almost all fields of smart computer system,

Bayes Ağları, akıllı bilgisayar sistemlerinin neredeyse tüm alanlarında yaygın bir şekilde kullanılmaktadır.

in diagnostics, for prediction, for machine learning, and fields like finance,

Teşhis biliminde, tahmin yapmak için, makine öğrenmesinde ve finans gibi alanlarda,

inside Google, in robotics.

Google bünyesinde ve robotbilimde.

Bayes networks are also the building blocks of more advanced AI techniques

Bayes ağları; Parçacık süzgeci, Saklı Markov Modelleri, Markov Karar Süreci(MDP),

such as particle filters, hidden Markov models, MDPs and POMDPs,

Kısmi Gözlemlenebilir Markov Karar üreci(POMDP), Kalman Süzgeci ve daha birçoğu gibi daha ileri YZ tekniklerinin de

Kalman filters, and many others.

yapı taşını oluşturmaktadır.

These are words that don't sound familiar quite yet,

Yukarıda kullandığım terimler şimdilik kulağa yabancı gelebilir;

but as you go through the class, I can promise you you will get to know what they mean.

ama dersi takip ettikçe, bunların ne anlama geldiğini öğreneceğinize dair size söz verebilirim.

So let's start now at the very, very basics.

Hadi şimdi en temelinden başlayalım.

Similar videos:

Egyptische mummificatie
Nikki Janssens
44.5K views 125 likes 20 dislikes 27 Dec 2013100% match

Unit 3 4 What We Learned

10.2K views 8 likes 0 dislikes 08 Oct 2011100% match

Unit 3 8c Question

12.1K views 0 likes 0 dislikes 08 Oct 2011100% match

CEOS Chatter
Fernando Garcia
1.3K views 2 likes 1 dislikes 14 Mar 2012100% match

Unit 0w, 1 Introduction

175.6K views 487 likes 8 dislikes 05 Oct 2011100% match

Henry VIII - documentary BBC
Iris Houbaer
46.6K views 78 likes 7 dislikes 23 Apr 2014100% match

Écosystèmes
cris210885
27.6K views 71 likes 23 dislikes 25 May 2013100% match

Peppa Pig-Peppa and George's garden with subtitles
tiziana3069
64.3K views 66 likes 29 dislikes 23 Feb 2014100% match

Mr. Peabody & Sherman
TheCaptionedInternet
43.6K views 74 likes 9 dislikes 03 Mar 2014100% match

0 views 0 likes 0 dislikes 05 Jun 2026100% match

Instrucciones para llorar, de Julio Cortázar
Inés Andrés
5.9K views 10 likes 0 dislikes 10 Jan 2012100% match

Unit 9 19 Value Iteration 3

48.2K views 89 likes 90 dislikes 01 Nov 2011100% match

Unit 2, Topic 22, More on Uniform Cost Search

14.8K views 29 likes 4 dislikes 05 Oct 2011100% match

Gundarr (Ep 25): Fish and Chumps (subtitulado al castellano)
daniborr
14.5K views 51 likes 3 dislikes 04 Oct 2012100% match

Transformer la peur, l'angoisse, la colère, la haine - 5'
Selim Aïssel
11.5K views 83 likes 4 dislikes 31 Jan 2013100% match

0 views 0 likes 0 dislikes 05 Jun 2026100% match

Recomendación kuentalibros - pizarra digital y niños con discapacidad auditiva
anitamc20
933 views 1 likes 0 dislikes 21 Dec 2012100% match

(ENG/CHI SUB) 140216 SM True Thailand Facebook EXO
Baby Xiumin
783 views 10 likes 0 dislikes 16 Feb 2014100% match

Unit 1w, 15 Congratulations

13.6K views 50 likes 1 dislikes 05 Oct 2011100% match

0 views 0 likes 0 dislikes 05 Jun 2026100% match

Unit 1 Introduction
Noam Ebner
806 views 2 likes 0 dislikes 12 Feb 2015100% match

Unit 1w, 1 Introduction

56.8K views 146 likes 4 dislikes 05 Oct 2011100% match

¿Cuál es la función de los Bancos de Inversión?
canaloie24
17.4K views 97 likes 5 dislikes 22 Nov 2011100% match

Unit 2, Topic 18, Depth First Search

25.4K views 24 likes 1 dislikes 05 Oct 2011100% match

Unit 16 45 Harris Corner Detector.mp4

54.4K views 340 likes 14 dislikes 22 Nov 2011100% match

TED & TEDx explained
Kyo young Chu
1.1K views 7 likes 0 dislikes 02 Apr 2012100% match

Winnie the Witch 3
Pilar Moure
33.8K views 56 likes 5 dislikes 31 May 2013100% match

Unit 2, Topic 1, Introduction

50.3K views 56 likes 2 dislikes 05 Oct 201180% match

0 views 0 likes 0 dislikes 05 Jun 202667% match

Unit 1w, 4 Terminology

75.1K views 114 likes 4 dislikes 05 Oct 201160% match

Settings Privacy About Contact Donate