🌍 Akbank Bootcamp Project

👥 Takım Üyeleri

• Ahmet Emre Özumağı
• Elif Büşra Çaylan

📂 Proje Açıklaması

Bu proje, Intel Image Classification veri seti üzerinde, MobileNetV2 transfer learning ve fine-tuning yöntemleriyle gerçekleştirilmiştir.
Amaç, verilen görüntüleri altı sınıftan birine doğru şekilde sınıflandırmaktır:
Buildings, Forest, Glacier, Mountain, Sea, Street

📊 Kullanılan Yöntemler

• Veri ön işleme (normalizasyon, augmentation)
• Transfer learning (MobileNetV2, ImageNet ağırlıkları)
• Fine-tuning (son katmanların yeniden eğitilmesi)
• Callback mekanizmaları (EarlyStopping, ModelCheckpoint, ReduceLROnPlateau)
• Model değerlendirmesi (Confusion Matrix, ROC, Classification Report)
• Grad-CAM ile görselleştirme

🧪 Sonuçlar

• Test Accuracy: %91.37

• ROC AUC ve F1 skorları hesaplanmıştır.

• Model, UI üzerinden yüklenen görsellerde de başarıyla çalışmaktadır.

• 🌐 Linkler

• Kaggle Notebook (Supervised): Akbank Bootcamp Notebook

• GitHub Repo (Ahmet Emre Özumagil): Akbank Bootcamp Project

• GitHub Repo (Elif Büşra Çaylan): Akbank Bootcamp Project

📂 Repository Yapısı

│ ├── supervised.ipynb # Intel Image Classification (Supervised Learning) ├── unsupervised.ipynb # Gözetimsiz öğrenme örneği (K-Means & PCA) ├── UI/ │ ├── app.py # Streamlit arayüzü │ └── best_model.h5 # Eğitilmiş model ├── README.md ├── LICENSE └── .gitignore

⚙️ Nasıl Çalıştırılır?

Bu projeyi kendi bilgisayarınızda çalıştırmak için adımlar şunlardır:

1. Projeyi bilgisayarınıza indirin (repo’yu kopyalamak için):
   git clone https://github.com/ebus99/Akbank-Bootcamp_Project.git

2. İndirilen klasörün içine ve ardından UI klasörüne gidin:
   cd Akbank-Bootcamp-Project
   cd UI

3. Gerekli kütüphaneleri yükleyin:
   Temel kütüphaneleri yüklemek için:
   pip install streamlit tensorflow pillow numpy

4. Streamlit arayüzünü başlatın:
   streamlit run app.py

5. Komutu çalıştırdıktan sonra tarayıcıda bir web arayüzü açılacaktır.
   Bu arayüz üzerinden bir resim yükleyerek modelin tahmin sonucunu görebilirsiniz.