🏷️chap_linear
Derin sinir ağlarının ayrıntılarına girmeden önce, sinir ağı eğitiminin temellerini ele almamız gerekiyor. Bu bölümde tüm eğitim sürecini ele alacağız; basit sinir ağı mimarilerinin tanımlanması, verilerin işlenmesi, bir kayıp işlevinin belirtilmesi ve modelin eğitilmesi dahil. İşleri daha kolay kavrayabilmek için en basit kavramlarla başlıyoruz. Neyse ki, doğrusal ve eşiksiz en büyük işlevli (softmax) bağlanım (regresyon) gibi klasik istatistiksel öğrenme teknikleri doğrusal sinir ağları olarak kullanılabilir. Bu klasik algoritmalardan başlayarak, size kitabın geri kalanındaki daha karmaşık tekniklerin temelini oluşturan temel bilgileri aktaracağız.
:maxdepth: 2
linear-regression
linear-regression-scratch
linear-regression-concise
softmax-regression
image-classification-dataset
softmax-regression-scratch
softmax-regression-concise