Deep Learning Notes

📘 Derin Öğrenme Notları (2025–2026 Sürümü)

📚 Derin Öğrenme Notları (2025–2026) Sürümü, üniversite öğrencileri, üniversite öğrencileri, yazılım mühendisliği bölümü öğrencileri ve hevesli geliştiriciler için özel olarak hazırlanmış, eksiksiz bir akademik ve pratik kaynaktır. Derin öğrenme müfredatının tamamını yapılandırılmış ve öğrenci dostu bir şekilde ele alan bu sürüm, öğrenmeyi hem etkili hem de ilgi çekici hale getirmek için eksiksiz bir müfredatı pratik çoktan seçmeli sorular ve sınavlarla birleştirir.

Bu uygulama, programlamanın temellerinden başlayarak evrişimli ağlar, yinelemeli sinir ağları ve yapılandırılmış olasılıklı modeller gibi ileri düzey konulara doğru ilerleyerek derin öğrenme kavramlarında ustalaşmak için adım adım bir kılavuz sunar. Her ünite, anlayışı güçlendirmek ve öğrencileri akademik sınavlara ve mesleki gelişime hazırlamak için açıklamalar, örnekler ve pratik sorularla özenle tasarlanmıştır.

---

🎯 Öğrenme Çıktıları:

- Temellerden ileri düzey programlamaya kadar derin öğrenme kavramlarını anlayın. - Ünite bazlı çoktan seçmeli sorular ve sınavlarla bilginizi pekiştirin.

- Uygulamalı kodlama deneyimi kazanın.

- Üniversite sınavlarına ve teknik mülakatlara etkili bir şekilde hazırlanın.

---

📂 Üniteler ve Konular

🔹 Ünite 1: Derin Öğrenmeye Giriş

- Derin Öğrenme Nedir?

- Tarihsel Trendler

- Derin Öğrenme Başarı Hikayeleri

🔹 Ünite 2: Lineer Cebir

- Skalerler, Vektörler, Matrisler ve Tensörler

- Matris Çarpımı

- Özdekompozisyon

- Temel Bileşenler Analizi

🔹 Ünite 3: Olasılık ve Bilgi Teorisi

- Olasılık Dağılımları

- Marjinal ve Koşullu Olasılık

- Bayes Kuralı

- Entropi ve KL Diverjansı

🔹 Ünite 4: Sayısal Hesaplama

- Taşma ve Alt Taşma

- Gradyan Tabanlı Optimizasyon

- Kısıtlı Optimizasyon

- Otomatik Türev Alma

🔹 Ünite 5: Makine Öğrenmesi Temelleri

- Öğrenme Algoritmaları

- Kapasite, Aşırı ve Eksik Uyum

🔹 Ünite 6: Derin İleri Beslemeli Ağlar

- Sinir Ağlarının Mimarisi

- Aktivasyon Fonksiyonları

- Evrensel Yaklaşım

- Derinlik ve Genişlik

🔹 Ünite 7: Derin Öğrenme için Düzenleme

- L1 ve L2 Düzenleme

- Bırakma

- Erken Durdurma

- Veri Arttırma

🔹 Ünite 8: Derin Modellerin Eğitimi için Optimizasyon

- Gradyan İniş Varyantları

- Momentum

- Uyarlanabilir Öğrenme Oranları

- Optimizasyondaki Zorluklar

🔹 Ünite 9: Evrişimli Ağlar

- Evrişim İşlemi

- Havuzlama Katmanları

- CNN Mimarileri

- Görme Uygulamaları

🔹 Ünite 10: Dizi Modelleme: Yinelemeli ve Yinelemeli Ağlar

- Yinelemeli Sinir Ağları

- Uzun Kısa Süreli Bellek

- GRU

- Yinelemeli Sinir Ağları

🔹 Ünite 11: Pratik Metodoloji

- Performans Değerlendirme

- Hata Ayıklama Stratejileri

- Hiperparametre Optimizasyonu

- Transfer Öğrenmesi

🔹 Ünite 12: Uygulamalar

- Bilgisayar Görme

- Konuşma Tanıma

- Doğal Dil İşleme

- Oyun Oynama

🔹 Ünite 13: Derin Üretken Modeller

- Otokodlayıcılar

- Varyasyonel Otokodlayıcılar

- Kısıtlı Boltzmann Makineleri

- Üretken Çelişkili Ağlar

🔹 Ünite 14: Doğrusal Faktör Modelleri

- PCA ve Faktör Analizi

- ICA

- Seyrek Kodlama

- Matris Çarpanlarına Ayırma

🔹 Ünite 15: Otokodlayıcılar

- Temel Otokodlayıcılar

- Gürültü Giderici Otokodlayıcılar

- Daraltıcı Otokodlayıcılar

- Varyasyonel Otokodlayıcılar

🔹 Ünite 16: Temsil Öğrenmesi

- Dağıtık Temsiller

- Çok Katlı Öğrenme

- Derin İnanç Ağları

- Ön Eğitim Teknikleri

🔹 Ünite 17: Derin Öğrenme için Yapılandırılmış Olasılıksal Modeller

- Yönlendirilmiş ve Yönlendirilmemiş Grafik Modeller

- Yaklaşık Çıkarım

- Gizli Değişkenlerle Öğrenme

---

🌟 Bu Uygulamayı Neden Seçmelisiniz?

- Derin öğrenme müfredatının tamamını yapılandırılmış bir formatta, çoktan seçmeli sorular ve pratik için sınavlarla kapsar.

- Lisans/Bilgisayar Bilimleri, Lisans/Bilgi Teknolojileri, yazılım mühendisliği öğrencileri ve geliştiriciler için uygundur.

- Problem çözme ve profesyonel programlamada güçlü temeller oluşturur.

---

✍ Bu uygulama şu yazarlardan esinlenmiştir:

Ian Goodfellow, Yoshua Bengio, Aaron Courville

📥 Hemen İndirin!

Derin Öğrenme Notları (2025–2026) Sürümünüzü bugün edinin! Derin öğrenme kavramlarını yapılandırılmış, sınav odaklı ve profesyonel bir şekilde öğrenin, pratik yapın ve ustalaşın.