Derin Öğrenme Eğitim Dökümanları

Bu repository, derin öğrenme konusunda kapsamlı bir eğitim serisi sunmaktadır. Yapay sinir ağlarının temellerinden başlayarak, pratik uygulamalara kadar geniş bir yelpazede bilgi içermektedir.

📚 İçerik Yapısı

Giriş

• Yapay Zeka, Makine Öğrenmesi ve Derin Öğrenme
• Python Kütüphaneleri ve Kurulum
• Lineer Cebir Temelleri

Yapay Sinir Ağları

• Biyolojik Nöronlar ve Yapay Sinir Ağları
• Aktivasyon Fonksiyonları
• İlk Derin Öğrenme Uygulamamız

Derin Öğrenme Süreci

• Temel Yapay Sinir Ağı
• Sınıflandırma Modeli
• Regresyon Modeli

Derin Öğrenme Ağlarında Optimizasyon

• Optimizasyon Algoritmaları
• Kayıp Fonksiyonları
• Hiperparametre Ayarlamaları
• Hiperparametre Uygulama Örnekleri

Doğal Dil İşleme

• NLP'ye Giriş
• Derin Öğrenme ve NLP
• NLP Uygulama Örneği
• Sonraki Kelime Tahmini

Bilgisayarla Görü

• Bilgisayarla Görüye Giriş
• Evrişimli Sinir Ağları (CNN)
• Fashion MNIST ile Görüntü Sınıflandırma
• Kedi-Köpek Sınıflandırma

Transfer Öğrenme

• Modeli Yeniden Eğitme
• Eğitilmiş Model Kullanma

Çekişmeli Üretici Ağlar (GANs)

• GAN'lara Giriş
• Yeni Resim Üreten GAN

🎯 Hedef Kitle

Bu eğitim serisi:

• Derin öğrenmeye yeni başlayanlar
• Teorik temelleri güçlendirmek isteyenler
• Pratik uygulama yapmak isteyenler için hazırlanmıştır.

🛠️ Gereksinimler

• Python 3.x
• TensorFlow
• NumPy
• Matplotlib
• NLTK

🚀 Başlarken

1. Repository'yi klonlayın
2. Gerekli kütüphaneleri kurun
3. Dökümanları sırasıyla takip edin

📝 Not

Bu eğitim serisi sürekli güncellenmektedir. Yeni konular ve örnekler eklendikçe içerik zenginleşecektir.