# Etkileşimli Gradyan İnişi

<div class="mlv-demo-links">
  <a class="mlv-demo-link active" href="interactive_linear_regression.html">Canlı Demo</a>
  <a class="mlv-demo-link secondary" href="linear_regression.html">Notebook</a>
  <a class="mlv-demo-link secondary" href="https://marimo.app/l/9hsfob?show-code=false&embed=true">Tam Ekran Demo</a>
  <a class="mlv-demo-link secondary" href="../chapter2/interactive_k_means.html">Sıradaki Bölüm</a>
</div>

<div class="mlv-demo-hero">
  <div class="mlv-demo-kicker">Bölüm 1 / Optimizasyon</div>
  <p class="mlv-demo-lead">Doğrunun eğimi ve kesişimi değiştikçe kaybın nasıl cevap verdiğini gör. Buradaki amaç, gradyan inişinin neden rastgele değil de yüzeyin en dik aşağı yönünü takip eden bilinçli bir güncelleme olduğunu hissetmek.</p>
</div>

<div class="mlv-demo-grid">
  <div class="mlv-demo-panel">
    <strong>Ne Yap</strong>
    <span>Eğim ve bias değerleriyle oyna; veri bulutuna yaklaşan doğruların kaybı nasıl düşürdüğünü izle.</span>
  </div>
  <div class="mlv-demo-panel">
    <strong>Ne Gör</strong>
    <span>Kayıp azaldıkça doğrunun noktaların ortasından daha dengeli geçtiğini ve optimuma yaklaştığını fark et.</span>
  </div>
  <div class="mlv-demo-panel">
    <strong>Neden Önemli</strong>
    <span>Bu sezgi, ilerideki tüm modellerde kullandığımız ağırlık güncelleme mantığının temelini oluşturur.</span>
  </div>
</div>

<div class="mlv-demo-note">
Bu demo marimo üzerinden gömülü çalışır. Kaydırıcılarla oynadıkça doğrunun veri üzerinde nasıl yer değiştirdiğini canlı olarak görebilirsin.
</div>

<iframe
  class="mlv-demo-frame"
  src="https://marimo.app/l/9hsfob?show-code=false&embed=true"
  title="Etkileşimli Gradyan İnişi Demosu"
  loading="lazy"
  frameborder="0"
></iframe>