WEBVTT 00:00.420 --> 00:05.990 Merhaba ve kursun yapay sinir ağları için sezim öğreticilerine hoş geldiniz. 00:06.060 --> 00:08.760 Bunları başlatmak için çok heyecanlıyız. 00:09.000 --> 00:11.870 Ve bugün, bu bölümle nasıl başa çıkacağımızı öğreneceğiz. 00:11.880 --> 00:14.760 Dolayısıyla bu bölümde aşağıdaki şeyleri öğreneceğiz. 00:14.760 --> 00:20.550 Her şeyden önce nöron hakkında konuşacağız, böylece biraz sinirbilimi olacak ve 00:20.550 --> 00:25.700 insan beyninin nasıl işlediği ve neyi tekrarlamaya çalıştığımızı biraz bulacağız. 00:25.710 --> 00:32.160 Ve biz de nöron bir sinir ağı ana yapı taşı neye benzediğini göreceğiz. 00:32.160 --> 00:37.740 ağlarında ve hangi katmanlarda hangi işlevleri kullanacağınızı tercih edersiniz. 00:37.740 --> 00:43.980 Sonra bir sonraki öğreticide aktivasyon işlevi hakkında konuşacağız ve sinir 00:43.980 --> 00:52.770 ağlarında kullanabileceğiniz birkaç yıpranma işlevine bakacağız ve bunlardan hangisinin hangisinin en fazla olduğunu öğreneceğiz 00:52.770 --> 00:53.770 Genellikle sinir 00:53.860 --> 00:56.430 Sinir ağlarının nasıl çalıştığından bahsedildi. 00:56.430 --> 01:03.990 Öyleyse bekleyeceğiniz şeyin aksine ve diğer derslerde ve derslerde muhtemelen ne iletildiğini 01:04.260 --> 01:10.800 öğrenmek için gitmiyoruz çünkü biz aslında sinir ağlarının çalışmasına gideceğiz. 01:10.800 --> 01:18.690 Önce bu şekilde hedefimiz olan şey doğrultusunda neyi hedeflediğimizi anlamamıza izin verecek 01:19.020 --> 01:20.740 olan sinir ağı. 01:20.740 --> 01:27.120 Burada, çok basitleştirilmiş ve çok basitleştirilmiş bir varsayım örneğine ya da konut fiyatlarını 01:27.120 --> 01:33.060 tahmin etmeye çalışan kendi ağınız temelde gayrimenkul fiyatlarına bakacağımız bir sinir ağına 01:33.060 --> 01:34.830 bir örnek inceleyeceğiz. 01:34.980 --> 01:40.350 Ve bu örneğe baktığımızda neyi hedeflediğimizi ve sonunda ne elde etmek istediğimizi 01:40.350 --> 01:41.620 daha iyi anlayacağız. 01:42.060 --> 01:49.560 Ve sonra da sinir ağlarının nasıl öğrenildiğini anlamaya devam edeceğiz, çünkü bu şekilde gelecek için 01:49.560 --> 01:51.070 daha hazırlıklı olacağız. 01:51.180 --> 01:53.010 Sonra eğim iniş hakkında konuşacağız. 01:53.010 --> 02:00.750 Bu aynı zamanda sinir ağlarının öğrenmesinin bir parçasıdır ve bu algoritmanın, ilk çare olarak veya 02:00.750 --> 02:08.670 akla gelen ilk yöntem olarak almaya niyetli veya istekli olabileceğiniz kaba kuvvet yönteminden nasıl daha iyi 02:08.940 --> 02:10.140 olduğunu anlayacağız. 02:10.140 --> 02:14.400 Böylece eğim açılımının avantajının ne kadar büyük olduğunu öğreneceğiz. 02:14.520 --> 02:17.130 Sonra stokastik düşüşten bahsedelim. 02:17.140 --> 02:23.580 Bu, harika ve iyi öğreticinin bir devamı niteliğindedir ancak daha da iyi ve daha güçlü bir 02:23.580 --> 02:26.120 yöntemdir ve tam olarak nasıl çalıştığını bulacağız. 02:26.220 --> 02:33.060 sinir ağlarını çalıştırmak için her şeyi bir adım adım adımlarla özetleyeceğiz. 02:33.060 --> 02:40.400 Ve son olarak, geri yayılımla ilgili önemli şeylerden söz ederek ve yapay 02:40.440 --> 02:46.230 Umarım hepsi sizin için çok heyecan vericidir, çünkü kendimden çok heyecanlıyım ve başlamak için 02:46.230 --> 02:46.810 sabırsızlanıyorum. 02:46.950 --> 02:49.310 Sizi ilk öğretmende görmeyi dört gözle bekliyorum. 02:49.320 --> 02:51.420 Ve o zamana kadar derin öğrenmenin keyfini çıkarın.