1 Yapay nöron matematiği: ağırlık, bias, ağırlıklı toplam
2 Çok katmanlı perceptron (MLP) mimarisi
3 Aktivasyon fonksiyonları: Sigmoid, Tanh, ReLU, Leaky ReLU, GELU
4 Aktivasyon seçiminin eğitime etkisi (vanishing/exploding gradient)
5 Kayıp fonksiyonları: MSE, MAE, Binary Crossentropy, Categorical Crossentropy
6 Softmax ve çok sınıflı sınıflandırma çıktıları
7 Optimizerlar: SGD, Momentum, RMSprop, Adam, AdamW
8 Öğrenme oranı (learning rate) ve etkileri
9 İkili sınıflandırma örneği: kalp hastalığı tahmini
10 model.compile() ve model.fit() iş akışı
Kütüphaneler:
tensorflowkerasscikit-learnpandas