Galaxy Zoo CNN Projesi

Bu proje, Akbank Derin Öğrenme Bootcamp kapsamında gerçekleştirilmiştir.
Amaç, Galaxy Zoo veri seti kullanılarak evrenin farklı galaksi tiplerini derin öğrenme yöntemleriyle sınıflandırmaktır.

🚀 Projenin Amacı ve Kapsamı

• Veri Seti: Galaxy Zoo 2 (Kaggle üzerinden sağlanan galaksi görüntüleri)
• Yöntem: Convolutional Neural Network (CNN) tabanlı derin öğrenme modeli
• Amaç: Görsellerden galaksi tiplerini tahmin etmek ve sınıflandırma başarımını değerlendirmek

📊 Model ve Sonuçlar

• Eğitim Doğruluğu (accuracy): ~0.73
• Doğrulama Doğruluğu (val_accuracy): ~0.74
• Test Doğruluğu: ~0.74

Model, bazı sınıflarda yüksek doğruluk gösterirken bazı küçük sınıflarda düşük performans göstermektedir. Veri dengesizliği ve sınıf dağılımı bu sonucu etkilemiştir.

📂 Dosya Yapısı

• notebookea07e0c949.ipynb → Eğitim süreci, kodlar ve çıktılar
• galaxy_cnn_model.h5 → Kaydedilmiş CNN model dosyası
• README.md → Proje açıklaması

🔗 Linkler

• Kaggle Notebook: Galaxy Zoo CNN - Kaggle
• GitHub Repository: Galaxy Zoo CNN - GitHub

📈 Kullanılan Araçlar

• Python, TensorFlow, Keras
• Scikit-learn (classification report, metrikler)
• Matplotlib (grafikler)

🔮 Gelecek Çalışmalar

• Veri artırma (data augmentation) yöntemleriyle performansı artırma
• Daha derin CNN veya transfer learning (ör. ResNet, EfficientNet) denemeleri
• Modelin Streamlit veya benzeri framework ile web arayüzüne taşınması

📜 Lisans

Bu proje MIT Lisansı altında paylaşılmıştır.