Video Analizi ve Üretiminde Yapay Zeka Eğitimi

Eğitim Hakkında

Bu eğitim, video verisinden bilgi çıkaran ve video içeriği üreten yapay zeka sistemlerini geliştirmek isteyen teknik ekipler için tasarlanmış ileri düzey bir programdır. Katılımcılar Python ile video işleme, nesne tespiti ve takibi, eylem tanıma, video-dil modelleriyle arama ve özetleme, gerçek zamanlı akış analizi ve video difüzyon modelleriyle üretim konularını GPU laboratuvarlarında uygular.

Neden Bu Eğitim?

Analiz ve Üretim Bir Arada. Videoyu anlayan modellerle videoyu üreten modelleri aynı programda ele alarak medya YZ yetkinliğini bütüncül kurun.

Zamansal Boyut. Tek kare analizinin ötesine geçip takip, eylem ve olay gibi zamana yayılan örüntüleri modellemeyi öğrenin.

Gerçek Zamanlı Sistemler. Kamera akışlarını düşük gecikmeyle işleyen, uçta ve bulutta ölçeklenen video analitiği hatları tasarlayın.

“Video, kurumların en zengin ama en az kullanılan veridir; onu anlayan ve üreten sistemler bu potansiyeli değere dönüştürür.”

Ön Koşullar

Python ve PyTorch — PyTorch ile model eğitimi, veri yükleyici yazma ve GPU üzerinde çalışma deneyimi.
Bilgisayarlı Görü — CNN, nesne tespiti ve görüntü sınıflandırma kavramlarına pratik aşinalık.
Linux ve Komut Satırı — Linux terminali, paket yönetimi ve temel FFmpeg komutlarını kullanabilmek.
GPU Ortamı — En az 16 GB bellekli GPU'ya sahip bilgisayar veya bulut not defteri erişimi.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiVideo verisinin yapısını ve kodekleri kavramak, verimli video okuma ve ön işleme hatları kurmak, hareket analizi yapmak ve eğitim için etiketli video veri seti hazırlamak.

Modül 1

Video Verisinin Yapısı ve Kodekler

Kare hızı, çözünürlük, renk uzayı ve bit hızı
H.264, H.265 ve AV1 kodekleri, anahtar kareler
Kapsayıcı formatlar ve zaman damgası yönetimi
FFmpeg ile kesme, dönüştürme ve kare çıkarma
Video analitiğinin sektörel kullanım alanları
Laboratuvar: FFmpeg ile video ön işleme betikleri

Modül 2

Python ile Verimli Video İşleme

OpenCV VideoCapture ile kare okuma ve yazma
PyAV ve decord ile hızlı ve rastgele kare erişimi
GPU hızlandırmalı kod çözme ve toplu işleme
Kare örnekleme stratejileri ve bellek yönetimi
Sahne kesme tespiti ve PySceneDetect
Laboratuvar: Uzun videodan sahne bazlı klip çıkarma

Modül 3

Hareket Analizi ve Klasik Yöntemler

Kare farkı ve arka plan çıkarma teknikleri
Optik akış: Farnebäck ve RAFT yaklaşımları
Hareket bölgesi tespiti ve ısı haritaları
Video stabilizasyonu ve kamera hareketi ayrımı
Klasik ve derin yöntemlerin maliyet karşılaştırması
Laboratuvar: Optik akış ile hareket yoğunluğu analizi

Modül 4

Video Veri Seti ve Etiketleme

Kinetics ve MOT gibi açık video veri setleri
CVAT ile sınır kutusu ve takip kimliği etiketleme
Yarı otomatik etiketleme ve model destekli ön etiket
Zamansal veri artırma ve sızıntısız bölümleme
Kişisel veri, yüz bulanıklaştırma ve KVKK uyumu
Günün değerlendirmesi ve video anlama gününe köprü

Günün hedefiVideoda nesneleri tespit edip kareler boyunca takip etmek, video segmentasyonu ve poz tahmini uygulamak, eylem tanıma modelleri eğitmek ve olay tespit mantığı kurmak.

Modül 1

Videoda Nesne Tespiti

Ultralytics YOLO ailesi ile gerçek zamanlı tespit
RT-DETR gibi Transformer tabanlı dedektörler
Kuruma özgü sınıflarla ince ayar ve aktarım öğrenmesi
mAP, hassasiyet-duyarlılık ve FPS ile değerlendirme
Küçük nesne, bulanıklık ve gece görüntüsü sorunları
Laboratuvar: Üretim hattı videosunda nesne tespiti

Modül 2

Çoklu Nesne Takibi ve Olay Mantığı

Tespitle takip yaklaşımı ve Kalman filtresi
SORT, ByteTrack ve BoT-SORT algoritmaları
Kimlik değişimi, örtüşme ve HOTA-MOTA metrikleri
Sayım, bölge ihlali ve bekleme süresi kuralları
Kameralar arası yeniden tanımlama (re-ID) kavramı
Laboratuvar: Mağaza girişinde kişi sayımı ve akış

Modül 3

Video Segmentasyonu ve Poz Tahmini

SAM 2 ile istemli video nesne segmentasyonu
Maskelerin kareler boyunca yayılması ve düzeltme
İnsan poz tahmini ve iskelet anahtar noktaları
Pozdan ergonomi ve iş güvenliği analizi
Segmentasyonla arka plan değiştirme ve rotoskop
Laboratuvar: SAM 2 ile ürün nesnesinin maskelenmesi

Modül 4

Eylem Tanıma ve Zamansal Modeller

3B evrişim, iki akışlı ve SlowFast yaklaşımları
VideoMAE ve video Transformer mimarileri
Klip örnekleme, zamansal pencere ve etiket yapısı
Zamansal eylem yerelleştirme ve olay başlangıcı
Uygulama: İş güvenliği ihlali eylemlerinin tanınması
Günün özeti ve çok modlu anlama gününe köprü

Günün hedefiVideo-dil modelleriyle videoyu sorgulamak, arama ve özetleme hatları kurmak, gerçek zamanlı akış analitiğini optimize etmek ve uçta dağıtım mimarisi tasarlamak.

Modül 1

Video-Dil Modelleri ile Anlama

Görsel-dil modellerinin videoya genişletilmesi
Gemini ve Qwen2.5-VL ile video soru-cevap
Uzun videoda bağlam sınırı ve kare seçim stratejisi
Yapılandırılmış çıktı ile olay ve nesne raporu
Halüsinasyon ve zamansal hata değerlendirmesi
Laboratuvar: Toplantı videosundan olay zaman çizelgesi

Modül 2

Video Arama, Özetleme ve Moderasyon

CLIP ve SigLIP ile kare gömmeleri ve anlamsal arama
Whisper transkripti ile görsel bilginin birleşimi
Video RAG: vektör veritabanıyla arşiv sorgulama
Öne çıkan an tespiti ve otomatik özet klip
İçerik moderasyonu ve marka güvenliği denetimi
Laboratuvar: Yayın arşivi için doğal dilde arama

Modül 3

Gerçek Zamanlı Akış Analitiği

RTSP kamera akışları ve GStreamer temelleri
NVIDIA DeepStream ile çoklu akış işleme hattı
Toplu çıkarım, kare atlama ve gecikme bütçesi
Olay tetikleme, alarm ve mesaj kuyruğu entegrasyonu
Akış sağlığı, düşen kare ve performans izleme
Demo: Çoklu kamera akışında gerçek zamanlı tespit

Modül 4

Uçta ve Bulutta Dağıtım Optimizasyonu

ONNX dışa aktarma ve ONNX Runtime ile çıkarım
TensorRT ile FP16 ve INT8 nicemleme
NVIDIA Jetson gibi uç cihazlarda dağıtım
Uç-bulut hibrit mimari ve bant genişliği maliyeti
Model sürümleme ve sahada güncelleme stratejisi
Günün değerlendirmesi ve video üretimi gününe köprü

Günün hedefiVideo difüzyon mimarisini kavramak, açık modellerle kontrollü video üretmek, iyileştirme uygulamak, deepfake ve mevzuat risklerini yönetmek ve projeyi sunmak.

Modül 1

Video Difüzyon Modellerinin Mimarisi

Görüntü difüzyonundan video difüzyonuna geçiş
Uzamsal-zamansal dikkat ve 3B VAE ile sıkıştırma
Video için difüzyon Transformer (DiT) yaklaşımı
Zamansal tutarlılık, titreme ve fiziksel gerçekçilik
Ticari modeller: Veo, Sora, Runway ve Kling
Demo: Aynı istemin ticari modellerde karşılaştırması

Modül 2

Açık Kaynak Modellerle Kontrollü Üretim

Wan, HunyuanVideo, LTX-Video ve CogVideoX modelleri
Diffusers ve ComfyUI ile metinden video üretimi
Görselden videoya ve ilk-son kare koşullama
Poz, derinlik ve kamera yolu ile hareket kontrolü
Bellek, süre ve çözünürlük optimizasyonları
Laboratuvar: Ürün görselinden kontrollü tanıtım klibi

Modül 3

Video İyileştirme, Güvenlik ve Mevzuat

Video süper çözünürlük ve kare interpolasyonu
Deepfake tespiti yaklaşımları ve sınırları
C2PA içerik bilgileri ve video filigranı
KVKK ve kamera kayıtlarında kişisel veri işleme
AB YZ Yasası: biyometrik tanıma ve etiketleme
Uygulama: Video YZ sistemi için risk değerlendirmesi

Modül 4

Uçtan Uca Video YZ Projesi ve Kapanış

Proje: Analiz veya üretim odaklı video hattı
Takım sunumları, kod ve mimari incelemesi
Doğruluk, gecikme ve maliyet metriklerinin raporu
Eğitim değerlendirmesi ve interaktif Soru-Cevap
Sertifika takdimi ve not defterlerinin teslimi
İleri öğrenme kaynakları ve kapanış

Eğitim Kazanımları

Video İşleme — FFmpeg, OpenCV ve GPU hızlandırmalı kod çözme ile büyük video arşivlerini verimli biçimde işleyebileceksiniz.
Tespit ve Takip — YOLO ve ByteTrack ile videodaki nesneleri tespit edip kimlikleriyle kareler boyunca takip edebileceksiniz.
Segmentasyon ve Poz — SAM 2 ile video segmentasyonu ve poz tahminiyle ergonomi ve iş güvenliği analizleri yapabileceksiniz.
Eylem Tanıma — VideoMAE ve SlowFast gibi zamansal modellerle videodaki eylemleri ve olayları tanıyabileceksiniz.
Video Arama — Video-dil modelleri, gömmeler ve transkriptlerle arşivleri doğal dilde aranabilir ve özetlenebilir kılabileceksiniz.
Gerçek Zamanlı Analitik — DeepStream, ONNX Runtime ve TensorRT ile çoklu kamera akışlarını düşük gecikmeyle işleyebileceksiniz.
Video Üretimi — Wan ve LTX-Video gibi açık modellerle hareketi ve kompozisyonu kontrollü video klipler üretebileceksiniz.
Sorumlu Video YZ — KVKK, AB Yapay Zeka Yasası ve deepfake risklerini gözeten uçtan uca bir video YZ hattı tasarlayacaksınız.

Kimler İçin Uygundur?

Bilgisayarlı görü ve makine öğrenmesi mühendisleri
medya teknolojisi geliştiricileri
güvenlik ve akıllı şehir çözüm ekipleri ile yayıncılık kuruluşlarının Ar-Ge ekipleri.

Sıkça Sorulan Sorular

Video Analizi ve Üretiminde Yapay Zeka Eğitimi kimler için uygundur?

Program; bilgisayarlı görü ve makine öğrenmesi mühendisleri, medya teknolojisi geliştiricileri, güvenlik ve akıllı şehir çözüm ekipleri ile yayıncılık kuruluşlarının Ar-Ge ekipleri için tasarlanmıştır.

Eğitim ne kadar sürer ve nasıl yapılandırılmıştır?

Eğitim 4 tam gün ve 16 modülden oluşur. Video işleme ve veri hazırlığı; tespit, takip ve eylem tanıma; çok modlu anlama ve gerçek zamanlı sistemler; video üretim modelleri, güvenlik ve proje günleri sırasıyla işlenir.

Katılım için hangi teknik bilgi ve donanım gerekiyor?

Python ve PyTorch ile model eğitme deneyimi, temel bilgisayarlı görü bilgisi ve Linux komut satırı aşinalığı beklenir. Laboratuvarlar için en az 16 GB bellekli GPU veya bulut not defteri erişimi gerekir.

Yapay Zeka ile Görsel ve Video Üretimi Eğitimi'nden farkı nedir?

O program pazarlama ve iletişim ekiplerine hazır araçlarla içerik üretimini öğretir. Bu program ise mühendislere video analitiği modelleri geliştirmeyi, gerçek zamanlı akış hatları kurmayı ve açık kaynak video üretim modellerini kodla kontrol etmeyi kazandırır.

Kamera görüntüleriyle çalışırken hangi mevzuat dikkate alınmalı?

Kamera kayıtları kişisel veri içerdiğinden KVKK kapsamında aydınlatma, amaçla sınırlılık ve saklama kuralları uygulanır. Eğitimde ayrıca AB Yapay Zeka Yasası'nın biyometrik tanıma kısıtları ele alınır. Katılımcılar Digital Vizyon Akademi sertifikası alır.

Sertifikalandırma

Bu eğitim Katılım Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika

VİDEO ANALİZİ VE ÜRETİMİNDE YAPAY ZEKA EĞİTİMİ

Eğitim Hakkında

Neden Bu Eğitim?

Ön Koşullar

Eğitim İçeriği

Video Verisinin Yapısı ve Kodekler

Python ile Verimli Video İşleme

Hareket Analizi ve Klasik Yöntemler

Video Veri Seti ve Etiketleme

Videoda Nesne Tespiti

Çoklu Nesne Takibi ve Olay Mantığı

Video Segmentasyonu ve Poz Tahmini

Eylem Tanıma ve Zamansal Modeller

Video-Dil Modelleri ile Anlama

Video Arama, Özetleme ve Moderasyon

Gerçek Zamanlı Akış Analitiği

Uçta ve Bulutta Dağıtım Optimizasyonu

Video Difüzyon Modellerinin Mimarisi

Açık Kaynak Modellerle Kontrollü Üretim

Video İyileştirme, Güvenlik ve Mevzuat

Uçtan Uca Video YZ Projesi ve Kapanış

Eğitim Kazanımları

Kimler İçin Uygundur?

Sıkça Sorulan Sorular

Sertifikalandırma

Eğitim Bilgileri

Benzer Programlar

Yapay Zeka Güvenliğine Giriş Eğitimi

Yapay Zeka Kurumsal Strateji Yönetimi Eğitimi

Yapay Zeka Küresel Yönetişim Çerçeveleri Eğitimi