WEBVTT

00:02.310 --> 00:04.620
Luka: Herkese merhaba ve tekrar hoş geldiniz.

00:04.620 --> 00:05.453
Bu videoda, ChatGPT

00:05.453 --> 00:07.710
hakkında konuşacağız ve kursta kullanacağımız

00:07.710 --> 00:11.370
Doom için aynı algoritmayı, konvolüsyonel derin Q-öğrenmeyi

00:11.370 --> 00:13.350
uygulamak için nasıl kullanacağımızı

00:13.350 --> 00:16.290
anlatacağız.

00:16.290 --> 00:17.790
Bu yüzden önümüzdeki

00:17.790 --> 00:22.440
birkaç dakika içinde, ChatGPT'ye modelimizi almamız için işaret

00:22.440 --> 00:26.190
ettiğim ve sorduğum yoldan geçeceğiz.

00:26.190 --> 00:29.580
Bu yüzden bunu nasıl yaptığımı ve neden bazı ipuçlarını

00:29.580 --> 00:33.720
bu şekilde yaptığımı anlamanıza yardımcı olmama izin verin.

00:33.720 --> 00:38.460
Bu yüzden, ilk ipucu benim açımdan oldukça iyi hazırlanmıştı.

00:38.460 --> 00:39.293
Dedim ki: "Makine

00:39.293 --> 00:41.527
öğrenimini simülasyonlara ve robot teknolojilerine

00:41.527 --> 00:43.717
uygulayan projeler üzerinde yıllarca

00:43.717 --> 00:47.550
çalışmış Kıdemli Makine Öğrenimi Uzmanısınız. Bu ilk kısım, sahneyi hazırlamak, onlara bir

00:47.550 --> 00:48.750
rol vermek.

00:48.750 --> 00:51.330
Yani temel olarak, tüm ChatGPT'nin vektör alanı

00:51.330 --> 00:55.410
makine öğrenimi konularında daha fazla teşvik edilecektir.

00:55.410 --> 00:59.310
Şimdi bağlamıma Doom'u getirmek istiyorum.

00:59.310 --> 01:04.310
Ve aslında, bu noktaya nasıl ulaşacağımı, "Tamam, Doom ortamı için

01:04.500 --> 01:06.600
bir Evrişimsel Derin Q-Öğrenme

01:06.600 --> 01:08.887
algoritması uygulamamda bana

01:08.887 --> 01:12.457
yardımcı olman için seni tuttum" dedim.

01:12.457 --> 01:14.407
"Amaç, bir oyun ortamı olan Doom'u oynayabilen

01:14.407 --> 01:15.337
"tamamen işlevsel

01:15.337 --> 01:18.457
bir takviyeli öğrenme algoritmasına" sahip olmaktır.

01:18.457 --> 01:22.327
"Experience_replay ve bellek ve görüntü işleme için

01:22.327 --> 01:24.187
sınıflar uyguladım.

01:24.187 --> 01:27.903
"Bunu size sağlayacağım", böylece bunu nihai koda dahil

01:28.777 --> 01:30.337
edebilirsiniz.

01:30.337 --> 01:34.800
Bu, çoğu insanın gözden kaçırdığı gerçekten önemli bir noktadır.

01:34.800 --> 01:37.893
Ona veya ChatGPT'ye zaten bir şeye sahip olduğunuzu

01:38.790 --> 01:42.120
ve bu kodu son uygulamada kullanmak istediğinizi

01:42.120 --> 01:43.860
söylemenin bir yolunu bulmanız

01:43.860 --> 01:45.720
gerekir.

01:45.720 --> 01:50.720
Dolayısıyla, bunu bir bağlam olarak sağlamazsam, experience_replay

01:50.910 --> 01:54.390
ve görüntü işleme işlevimizi kullanmayı

01:54.390 --> 01:57.240
düşünmeyen bazı kodlar, bazı konvolüsyonel

01:57.240 --> 02:01.140
derin Q-öğrenme uygulamaları üretecektir,

02:01.140 --> 02:06.330
ancak biz bunu istiyoruz.

02:06.330 --> 02:07.323
Sonra da şöyle devam

02:08.250 --> 02:10.537
ediyorum: "Amacınız Python kullanarak

02:10.537 --> 02:14.107
tam çözümü uygulamak, "Model için Torch, "ve kodu Google Colab'da

02:14.107 --> 02:16.717
çalıştırılacak şekilde optimize etmek, "böylece

02:16.717 --> 02:23.167
koddan geçen öğrenciler "çok güçlü olmayan bilgisayarlara sahip olanları çalıştırabilir.

02:23.167 --> 02:23.167
Bu

02:23.167 --> 02:28.167
temel olarak ChatGPT'ye sahip olmak istediğiniz nihai

02:28.260 --> 02:33.060
çözümün formatının ne olduğunu söylemektir.

02:33.060 --> 02:35.190
Ve son olarak, "gerekirse açıklayıcı sorular sormak"

02:35.190 --> 02:37.200
ona daha fazla bağlam sağlayacaktır.

02:37.200 --> 02:40.050
Ve, "Eh, eğer bilmiyorsanız, "eğer yeterli içeriğe sahip

02:40.050 --> 02:42.060
değilseniz, lütfen bana sorun. Ve son olarak sordu, "Anladın mı? Olduğunu teyit etmek istedim.

02:42.060 --> 02:44.197
Bu, bunun üzerinde düşünmesine izin vermenin ve kesinlikle

02:44.197 --> 02:47.580
bir sonraki istemleri, bir sonraki yanıtları oluşturmaya gitmemenin akıllıca bir yoludur.

02:47.580 --> 02:49.737
Eğer bunu yapmazsanız,

02:50.640 --> 02:53.730
eğer "Anladınız mı? " ya da "Temiz mi? ya da "Anlıyor musun? " veya buna benzer bir şey

02:53.730 --> 02:58.730
yazarsanız, bazı parçaları tamamen yok

03:00.210 --> 03:05.210
sayacak ve üretmeye başlayacaktır.

03:05.820 --> 03:07.230
Sorularınızda ve cevaplarınızda kaç

03:07.230 --> 03:09.090
jetonunuz olduğuna dair

03:09.090 --> 03:12.780
bir sınırınız olduğundan, bunu kırmak istersiniz,

03:12.780 --> 03:16.020
böylece üretebileceğiniz jeton miktarını yenileyebilirsiniz.

03:16.020 --> 03:18.240
Dolayısıyla ilk cevap

03:18.240 --> 03:20.760
şudur: "Görevi anladım.

03:20.760 --> 03:22.980
"Tam olarak ne isteyeceksem onu yapacağım.

03:22.980 --> 03:26.310
"Ancak devam etmeden önce birkaç sorum olacak. İşte bu noktada "sorunuz varsa bana sorun", bana

03:26.310 --> 03:28.610
oldukça iyi sorular sordu.

03:29.820 --> 03:32.377
Öncelikle, özel bir ortamınız var mı, yoksa zaten var olan bir

03:32.377 --> 03:33.607
şeyi mi kullanıyorsunuz?

03:33.607 --> 03:36.697
Yani OpenAI, VizDoom ve bunun gibi şeyler.

03:36.697 --> 03:39.600
Daha sonra, takip etmemi

03:39.600 --> 03:43.980
istediğiniz belirli performans ölçütleri

03:43.980 --> 03:45.750
var mı?

03:45.750 --> 03:49.200
Modelin kendisiyle ilgili gereklilikler var mı?

03:49.200 --> 03:51.240
Python ve PyTorch'un hangi sürümleri?

03:51.240 --> 03:53.883
Ve son olarak, son teslim tarihi konusunda

03:54.750 --> 03:56.850
belirli kısıtlamalar var mı?

03:56.850 --> 03:58.950
Bu, çoğunlukla üzerinde eğitim aldığı

03:58.950 --> 04:00.783
iş planlarından, ancak bunun için,

04:01.800 --> 04:05.850
gerçekten, bunun için uygun olmadığı gibi, ama tamam.

04:05.850 --> 04:08.223
Ben de: "Evet, OpenAI Gym kullanacağım ve işte nasıl

04:09.180 --> 04:10.140
yükleneceği. Bu kurstan.

04:10.140 --> 04:12.990
Dedim ki, tamam, ortalama ödülü takip edin, belirli

04:12.990 --> 04:17.160
gereksinimler yok, çalıştığı sürece yaratıcı olun, kütüphanelerin

04:17.160 --> 04:19.803
en son modellerini veya sürümlerini kullanın

04:20.970 --> 04:23.283
ve son tarih nedir?

04:24.150 --> 04:25.177
Az önce "en kısa sürede" yazdım.

04:25.177 --> 04:30.177
Ek olarak, işte bahsettiğim bu sınıflar.

04:30.480 --> 04:31.713
Bu yüzden kursta sahip olduğumuz sınıfları yapıştırdım.

04:33.000 --> 04:35.133
Yani yeniden oynatma

04:36.030 --> 04:40.953
deneyimi, her şey ve son olarak yeniden oynatma

04:42.120 --> 04:46.320
belleği, görüntü işleme ve hepsi bu.

04:46.320 --> 04:48.090
Ve bununla, bağlamı oluşturdum

04:48.090 --> 04:49.797
ve şimdi üretmeye başladı.

04:51.150 --> 04:54.120
Böylece kodu oluşturdu.

04:54.120 --> 04:57.000
Temel olarak görüntüyü ön işlemden

04:57.000 --> 05:00.720
geçirerek başladı, ardından elimizdekine

05:00.720 --> 05:04.773
oldukça benzeyen derin Q-ağını oluşturdu.

05:05.790 --> 05:06.623
Ardından, bunu başlatarak

05:07.681 --> 05:10.230
ve ardından kodu eğiterek başladı.

05:10.230 --> 05:13.530
Şimdiye kadar her şey işe yaradı ve sonra burada bozuldu.

05:13.530 --> 05:15.753
Daha uzun bir şey üretmeye

05:16.590 --> 05:21.363
devam etmek istiyorsanız, sadece "devam et" yazdım.

05:22.560 --> 05:25.110
Ve dedi ki, "Devam edelim mi? Evet, kesinlikle. Üretmeye devam eder ve bam, kodun

05:25.110 --> 05:27.513
tamamını elde ederiz.

05:29.070 --> 05:31.983
İnanılmaz.

05:32.910 --> 05:34.863
Nasıl kullanılacağı, sıklığı,

05:36.000 --> 05:40.350
nelerin değiştirileceği ve bunun gibi şeyler belirtiliyordu.

05:40.350 --> 05:43.950
Bu konuda da bana yardımcı oldu.

05:43.950 --> 05:46.110
Ve sizi Google Colab'ıma götürmeme izin verin.

05:46.110 --> 05:49.530
Bu yüzden kodu buraya yapıştırarak başladım,

05:49.530 --> 05:51.840
ön işleme fonksiyonumuzu yapıştırdım.

05:51.840 --> 05:55.020
Birazdan bu ön işleme işlevindeki değişikliklere

05:55.020 --> 05:55.853
geçeceğim.

05:57.060 --> 06:00.750
Ardından, bu deneyim tekrarını, benim tarafımdan bazı

06:00.750 --> 06:02.793
kurulumları yapıştırdım.

06:03.720 --> 06:05.940
Bunu birazdan açıklayacağız.

06:05.940 --> 06:09.630
Onun derin Q-ağıyla ve eğitim koduyla oynadım.

06:09.630 --> 06:13.053
Yani bunu geliştirmenin kesinlikle yolları var.

06:14.040 --> 06:16.290
Özellikle yerel ortamınız varsa işe yarayacaktır.

06:16.290 --> 06:18.720
Bunu Google Colab'da kullanıyorsanız, bozulabilir.

06:18.720 --> 06:19.553
Sizi bu konuya getireyim.

06:20.970 --> 06:24.843
Ben de yaptım ve bir hata aldım.

06:25.740 --> 06:29.163
Dedim ki, "Hey, sağladığı ilk kodum çalışmadı.

06:30.150 --> 06:31.833
Az önce kodu yapıştırdım,

06:32.790 --> 06:37.790
bu hata mesajı ve "Bir resmi yeniden boyutlandıramıyorum. Ve kurstaki kodumuza bakarsanız, görüntüyü bununla yeniden

06:38.430 --> 06:41.640
boyutlandırmayı gerektirir.

06:41.640 --> 06:45.810
Ancak SciPy'nin yeni sürümü aslında bunu kaldırıyor.

06:45.810 --> 06:49.440
Bu yüzden, "Evet, bu kaldırılmış gibi görünüyor"

06:49.440 --> 06:50.840
dedi. "İşte Pillow'un yeni versiyonu.

06:51.750 --> 06:54.240
Ve aslında, buna gerek yoktu.

06:54.240 --> 06:58.110
Temel olarak tüm ön işleme görüntü sınıfını

06:58.110 --> 07:03.110
SciPy yerine Pillow ile yeniden yazdı.

07:03.810 --> 07:06.600
Ben de kullandım ve gerçekten işe yarıyor.

07:06.600 --> 07:10.440
Ve sonra dedim ki, "Tamam, "Google Colab kullanan

07:10.440 --> 07:13.200
Çevre ile ilgili bir sorunum var.

07:13.200 --> 07:17.310
"Nasıl çözülür? Hata bu. Ve dedi ki, "Evet, özür dilerim.

07:17.310 --> 07:18.663
"Görünüşe göre bu özel ortam işe yaramıyor.

07:19.537 --> 07:21.637
"İşte yapacağınız şey.

07:21.637 --> 07:25.200
"Temel olarak bunu kuruyor ve yapıyorsunuz. Bir hata aldım, başka bir hata.

07:25.200 --> 07:27.360
Ve bu hata aslında render

07:27.360 --> 07:32.260
işleminin bu belirli sürümde bulunmadığını gösterdi.

07:33.270 --> 07:36.723
Ve dedi ki, "Tamam, bu sürümü yükleyin. Ben yaptım. Başka bir hata.

07:37.620 --> 07:41.283
Ve "Oh, evet, evet, "Google Colab render işlemini, OpenGL kütüphanelerini

07:42.990 --> 07:44.227
desteklemiyor" dedi, bu

07:44.227 --> 07:47.257
da bizim için Google Colab yerine görselleştirme amacıyla

07:47.257 --> 07:50.160
başka bir şey yapmamız gerektiği

07:50.160 --> 07:52.087
anlamına geliyor.

07:52.087 --> 07:55.657
Ve temelde bana adım adım ne yapacağımı, bunu nasıl

07:55.657 --> 07:56.917
değiştireceğimi

07:56.917 --> 07:59.880
ve bunun gibi şeyleri gösterdi.

07:59.880 --> 08:02.580
Ve bunu yerel olarak yaparsanız, sorunu çözmüş olursunuz.

08:02.580 --> 08:04.350
Ancak bu temelde şimdi

08:04.350 --> 08:09.350
size ChatGPT'yi nasıl doğru kullanacağınızı öğretiyor.

08:11.850 --> 08:14.280
Mesela, tam burada, bazı hatalar aldığımı gördünüz, bu hatalarla

08:14.280 --> 08:17.040
ilgili uyarıda bulundum vb.

08:17.040 --> 08:18.457
Ve şimdi, geriye

08:18.457 --> 08:23.457
doğru kaydırırsanız, derin bir Q-ağına sahip tam işlevli

08:24.270 --> 08:26.760
bir kodunuz, bir eğitim kodunuz

08:26.760 --> 08:27.870
var ve gidip bir

08:27.870 --> 08:31.350
test kodu oluşturmasını isteyebilirsiniz

08:31.350 --> 08:34.500
ve oluşturacaktır.

08:34.500 --> 08:37.440
İnanılmaz, değil mi?

08:37.440 --> 08:38.820
İşte bu kadar.

08:38.820 --> 08:42.450
Bu, Doom için derin Q veya evrişimli derin Q ağını çözmek için ChatGPT'nin

08:42.450 --> 08:45.120
nasıl kullanılacağını açıklar.

08:45.120 --> 08:47.200
Teşekkürler. Kursun tadını çıkarın!