# Etkileşimli Perceptron

<div class="mlv-demo-links">
  <a class="mlv-demo-link active" href="interactive_perceptron.html">Perceptron</a>
  <a class="mlv-demo-link" href="interactive_logistic_regression.html">Lojistik Regresyon</a>
  <a class="mlv-demo-link secondary" href="perceptron.html">Notebook</a>
  <a class="mlv-demo-link secondary" href="https://marimo.app/l/50ccg0?show-code=false&embed=true">Tam Ekran Demo</a>
</div>

<div class="mlv-demo-hero">
  <div class="mlv-demo-kicker">Bölüm 3 / Doğrusal Karar</div>
  <p class="mlv-demo-lead">Doğrusal karar sınırının nasıl değiştiğini görmek için ağırlıklarla oyna. Perceptron, veriyi tek bir doğruyla ayırmaya çalışır; bu yüzden neyi öğrenebildiği ve nerede zorlandığı çok çıplak biçimde görünür.</p>
</div>

<div class="mlv-demo-grid">
  <div class="mlv-demo-panel">
    <strong>Ne Yap</strong>
    <span>Ağırlıkları değiştirip karar doğrusunu döndür; bias ile sınırı yukarı aşağı taşı.</span>
  </div>
  <div class="mlv-demo-panel">
    <strong>Ne Gör</strong>
    <span>Noktalar tek bir doğruyla ayrılabiliyorsa model rahat çalışır; ayrılamıyorsa perceptron doğal sınırına gelir.</span>
  </div>
  <div class="mlv-demo-panel">
    <strong>İpucu</strong>
    <span>Bu demo, yapay sinir ağlarının neden ek katmanlara ve doğrusal olmayan aktivasyonlara ihtiyaç duyduğunu sezgisel olarak açıklar.</span>
  </div>
</div>

<div class="mlv-demo-note">
Bu demo marimo üzerinden gömülü çalışır. Ağırlıklarla oynayıp karar doğrusunun iki sınıfı nasıl ayırdığını gözlemleyebilirsin.
</div>

<iframe
  class="mlv-demo-frame"
  src="https://marimo.app/l/50ccg0?show-code=false&embed=true"
  title="Etkileşimli Perceptron Demosu"
  loading="lazy"
  frameborder="0"
></iframe>
