# Ek Bilgiler

## ⏬ Coursera Çalışma Dosyalarını İndirme

* Çalışma alanı sayfanıza girin (dosyaların olduğu yer)
* Alttaki komutu kopyalayın
* Tekrar dosyaların olduğu yere gelin ve orada beliren `workspace.tar.gz` dosyasını indirin

```bash
cd ~/work
tar cvfzh ~/workspace.tar.gz *
mv ~/workspace.tar.gz ~/work/workspace.tar.gz
```

### **🎳 Dosyaların Boyutu 200MB'den Fazla İse**

* Alttaki komutu kopyalayın ve tek tek indirin
* İndirdikten sonra dosyaları `cat workspace.tar.gz.part.* > workspace.tar.gz` ile birleştirebilirsiniz

```bash
split -b 200m workspace.tar.gz workspace.tar.gz.part.
```

> [Downloading all the assignments jupyter notebooks and files](https://www.reddit.com/r/learnmachinelearning/comments/7er5ps/coursera_downloading_all_the_assignments_jupyter/)

## Uygulamalar

* [Java Neural Network Framework](http://neuroph.sourceforge.net/)

## Cloud Destekleri

[Buraya](https://github.com/discdiver/deep-learning-cloud-providers/blob/master/list.md) ve [buraya](https://towardsdatascience.com/maximize-your-gpu-dollars-a9133f4e546a) tıklayarak makine öğrenimi için bulut hizmetlerine bakabilirsin.

* [Paperspace](https://www.paperspace.com/ml)

## Derin Öğrenme Notları

> Her zaman yapılacak iş: Girişler ile ağırlıkları çarp, sabit değişken (sapma) ile topla ve aktivasyon uygula!

![Aktivatör Fonksiyonu](https://cdn-images-1.medium.com/max/600/1*FLoEcD4bWRw6Zno32uFwuw.png)

* Aktivasyon fonksiyonu kullanılmayan bir sinir ağı sınırlı öğrenme gücüne sahip bir doğrusal bağlanım (linear regression) gibi davranacaktır.
* Birden fazla dereceye sahip olan fonksiyonlara doğrusal olmayan fonksiyonlar deriz
* Ağırlıklar ile ilgili hata değerlerini hesaplamak için yapay sinir ağında hatanın geriye yayılımı algoritması uygulanmaktadır. (Backward Propagation)

### Aktivasyon Fonksiyonları

> Aktivasyon fonksiyonu tüm bu bilgiler ve sizin yapay öğrenme modelinizin gereksinimlerine göre karar vermeniz gereken kritik bir optimizasyon problemidir.

* Sigmoid Fonksiyonu
* ReLU (Rectified Linear Unit) Fonksiyonu
  * Derin öğrenme modelleri denemelere bu fonksiyon ile başlanması tavsiye edilir.
  * Hız bakımından avantajlıdır. Gradyanların ölmesi gibi bir problemi vardır.
  * Genellikle çıkış değil ara katmanlarda kullanılır.
* Softmax Fonksiyonu
  * Genelde çıkış için kullanılır.
* Basamak (Step) Fonksiyonu
* Doğrusal (Linear) Fonksiyon
* Hiperbolik Tanjant Fonksiyonu
* Sızıntı (Leaky) ReLU Fonksiyonu
* Swish (A Self-Gated/Kendinden Geçitli) Fonksiyonu

### Aktivasyon Fonksiyonlarının Özellikleri

> (0, 1) arasıdan olan fonksyionlar \**olasılıksal*- fonksiyonlardır.

![Aktivasyon Fonkisyonlarının Özellikleri](https://cdn-images-1.medium.com/max/800/1*lI22JpQMrlx777AOhzvjcw.png)

## Yapay Zeka Kullanım Alanları

* Otamatik Al-Sat işlemleri ile kullanılır.
* [El ile emoji oluşturma](https://www.linkedin.com/feed/update/urn:li:ugcPost:6531200017103880192)

## Harici Bağlantılar

### Araştırmacılar Web Siteleri

* [NVIDIA AI](https://www.nvidia.com/en-us/research/ai-playground/)

### GitHub Kaynakları

#### Firmalar

* [NVIDIA](https://github.com/NVIDIA)

#### Karma

* [DeepLeague](https://github.com/farzaa/DeepLeague)

### Derin Öğrenme Kaynakları

* [Derin Öğrenme İçin Aktivasyon Fonksiyonlarının Karşılaştırılması](https://medium.com/deep-learning-turkiye/derin-%C3%B6%C4%9Frenme-i%C3%A7in-aktivasyon-fonksiyonlar%C4%B1n%C4%B1n-kar%C5%9F%C4%B1la%C5%9Ft%C4%B1r%C4%B1lmas%C4%B1-cee17fd1d9cd)

### Motivasyon

* [Yapay zeka GauGAN, çizimleri tabloya dönüştürmeyi öğrendi!](https://www.youtube.com/watch?v=1iMmenHFdCE)
* [AYNA DÜNYALAR](https://www.youtube.com/watch?v=-3DvuLtuf1U)