# Kitap Rotası: Sinir Ağları ve Derin Öğrenme
Genel Harita Temel Pratik Sinir Ağları Aktivasyonlar Dönüşümler Yaklaştırma Geri Yayılım Kayıp Yüzeyi İleri Pratik
Kitap / Bölüm 6

Kitap, sinir ağlarını sihirli bir istisna gibi değil; doğrusal dönüşümlerin ve doğrusal olmayan aktivasyonların üst üste konduğu bir fonksiyon ailesi olarak anlatır. Bu nedenle burada da önce ileri yayılımı, sonra geri yayılımı ve en son temsil gücünü ayırıyoruz.

## Kitabın Çekirdek Mesajı - Bir katman, `W x + b` ile başlar; aktivasyon fonksiyonu bu doğrusal dönüşüme kıvrım kazandırır. - Derinlik, temsil kapasitesini artırır ama eğitim sorunlarını da büyütür. - Geri yayılım, zincir kuralının makine öğrenmesindeki üretim halidir. ## Bu Projedeki Görsel Karşılıklar
Aktivasyonlar Doğrusal olmayanlığın neden zorunlu olduğunu aktivasyon demosunda doğrudan gör.
Fonksiyon Yaklaştırma Küçük bir ağın doğrusal olmayan bir hedef eğriyi nasıl kurduğunu görmek için bu demoya git.
Dönüşümler Gizli katmanların veriyi yeni bir uzaya taşıma fikri, dönüşümler demosunda görünür hale geliyor.
Geri Yayılım Gradyanların parametreleri nasıl ittiğini geri yayılım demosu üzerinden doğrudan izleyebilirsin.
Kayıp Yüzeyi Optimizasyonun hangi manzara üzerinde yürüdüğünü kayıp yüzeyi demosu ile oku.
## Neden Bu Bölüm Sonra Geliyor? Kitabın mantığı burada çok nettir: sinir ağları, temel disiplinler oturmadan önce okunursa göz kamaştırır ama fazla şey öğretmez. Öğrenme anatomisi, metrikler ve model seçimi yerleştiğinde ise sinir ağları çok daha anlaşılır hale gelir. ## Buradan Sonra Nereye?
Bu Sayfa Aktivasyonlar Dönüşümler Yaklaştırma Geri Yayılım Kayıp Yüzeyi Sonraki: Model Seçimi