Deep Learning Temelleri
Perceptron'lar, backpropagation, aktivasyon fonksiyonları, loss functions, optimizers, batch size, epochs
1Neural network bağlamında perceptron nedir?
Neural network bağlamında perceptron nedir?
Cevap
Perceptron, biyolojik nörondan ilham alan bir neural network'ün temel birimidir. Birden fazla input alır, bunları ağırlıklarla çarpar, bias ile toplar, sonra bir aktivasyon fonksiyonu uygulayarak output üretir. Basit perceptron sadece doğrusal olarak ayrılabilir problemleri çözebilir, bu da çok katmanlı ağların gelişmesine yol açmıştır.
2Basit (tek katmanlı) perceptron'un ana sınırlaması nedir?
Basit (tek katmanlı) perceptron'un ana sınırlaması nedir?
Cevap
Basit perceptron sadece doğrusal olarak ayrılabilir problemleri, yani sınıfların düz bir çizgi (veya daha yüksek boyutlarda hyperplane) ile ayrılabildiği problemleri çözebilir. Minsky ve Papert tarafından 1969'da XOR problemiyle gösterilen bu sınırlama, çok katmanlı perceptron'lar tanıtılana kadar neural network araştırmalarını geçici olarak yavaşlattı.
3Neural network'te aktivasyon fonksiyonunun rolü nedir?
Neural network'te aktivasyon fonksiyonunun rolü nedir?
Cevap
Aktivasyon fonksiyonu network'e doğrusal olmayanlık ekleyerek input ve output'lar arasındaki karmaşık ilişkileri öğrenmesini sağlar. Doğrusal olmayan aktivasyon fonksiyonu olmadan, çok katmanlı bir network bile basit bir doğrusal dönüşüm gibi davranır. Yaygın fonksiyonlar arasında ReLU, sigmoid ve tanh bulunur, her biri kullanım durumuna bağlı olarak özel özelliklere sahiptir.
Modern network'lerin gizli katmanlarında en yaygın olarak hangi aktivasyon fonksiyonu kullanılır?
Neural network'te softmax aktivasyon fonksiyonu ne zaman kullanılmalıdır?
+21 mülakat soruları
Diğer Data Science & ML mülakat konuları
Python Temelleri
Python Nesne Yönelimli Programlama
Python Veri Yapıları
Git Temelleri
SQL Temelleri
NumPy Temelleri
Pandas Temelleri
Jupyter & Google Colab
SQL Joins ve Gelişmiş Sorgular
İleri Pandas
Matplotlib & Seaborn ile Görselleştirme
Plotly ile Etkileşimli Görselleştirmeler
Tanımlayıcı İstatistik
Çıkarımsal İstatistik
Web Scraping
BigQuery & Cloud Data
Feature Engineering
Denetimli ML: Regresyon
Denetimli ML: Sınıflandırma
Karar Ağaçları ve Topluluk Yöntemleri
Denetimsiz ML
ML Pipeline'ları & Doğrulama
Zaman Serileri & Tahminleme
TensorFlow & Keras
CNN ve görüntü sınıflandırma
RNN ve Diziler
Transformers ve Attention
NLP ve Hugging Face
GenAI ve LangChain
MLOps ve Dağıtım
Bir sonraki mülakatın için Data Science & ML'de uzmanlaş
Tüm sorulara, flashcards'a, teknik testlere, code review alıştırmalarına ve mülakat simülatörlerine eriş.
Ücretsiz başla