TensorFlow/Keras ile İlk Sinir Ağı | YZ Canlı Backend Dersi

Derse Hazır mısınız?

Satır satır kod yazılışını izleyin ve her satırın açıklamasını dinleyin.

Terminal Çıktısı Hazır

Kod çalıştırıldığında çıktı burada görünecek...

Web Önizleme

HTML çıktı oluştuğunda önizleme burada açılır.

Satır Satır Anlatım

Dersin öğretmen rehberi

TensorFlow/Keras ile İlk Sinir Ağı dersinde isteğin veya verinin backend içinde hangi adımlardan geçtiğini, her kod parçasının görevini ve gözlenebilir çıktıyı birlikte inceleyeceğiz.

Bu dersin hedefleri

Ders başlığındaki backend kavramını çalışan kodun girdisi ve çıktısıyla ilişkilendirmek.
Bir satırın önceki adımdan aldığı veriyi ve sonraki adıma hazırladığı sonucu takip etmek.
Hata ayıklama, test ve temel güvenlik kontrollerini akışın doğal parçası olarak uygulamak.

TensorFlow/Keras ile İlk Sinir Ağı beginner 25 dk çalışma

Bu dersin ana sorusu: TensorFlow/Keras ile İlk Sinir Ağı konusunu çalışan bir backend örneği üzerinden anlamak.

Öğrenme özeti: TensorFlow/Keras ile İlk Sinir Ağı dersinin temel fikri, backend kodunu yalnızca çalıştırmak değil; girdinin nasıl işlendiğini, neden o sıranın seçildiğini ve sonucun nasıl doğrulandığını görebilmektir.

Öğrenme rotası ve transfer görevi

Problemi tanı: Backend örneğinin girdisini, görevini ve beklenen çıktısını bir cümleyle yazın.
Akışı izle: Kodun veriyi hangi sırayla aldığını, dönüştürdüğünü ve döndürdüğünü satır satır takip edin.
Güvenli değiştir: Küçük bir değişiklik yapın; normal, hatalı ve sınır girdilerle sonucu test edin.

Kendin dene: Örneğin ana akışını bozmadan yeni bir girdi alanı veya hata senaryosu ekleyin. Değişen satırları, beklenen sonucu ve güvenlik kontrolünü yazılı olarak açıklayın.

Kavram sözlüğü ve sık karıştırılanlar

Request: İstemcinin backend sunucusundan bir işlem veya veri istediği iletişimdir.
Response: Backendin isteğe karşı döndürdüğü durum, başlık ve veri sonucudur.
Validation: Girdinin beklenen türde, biçimde ve iş kuralına uygun olup olmadığını kontrol etmektir.
Log: Çalışma sırasında ne olduğunu izlemek için kaydedilen tanı bilgisidir.

Sık karıştırılanlar: Backend kodu yalnızca ekrana çıktı basmaz; veri alır, iş kuralı uygular, hata yönetir ve istemciyle sözleşme kurar. 200 veya başarılı görünen bir yanıt, iş kuralının doğru uygulandığını tek başına kanıtlamaz.

Nasıl çalışacağız: Önce backend örneğinin hangi girdiyi aldığını belirleyin. Sonra kodun veriyi hangi sırayla işlediğini, hangi noktada karar verdiğini ve istemciye/terminale ne döndürdüğünü satır satır takip edin.

Hata ayıklama: Hatayı yeniden üretin; istek girdisini, logu, dosya-satır bilgisini ve beklenen çıktıyı kaydedin. Akışı küçük parçalara ayırıp tek değişiklikle tekrar deneyin.

Test yaklaşımı: Normal verinin yanında boş, hatalı biçimli, sınır ve yetkisiz girdileri de deneyin. Hem status/çıktıyı hem de veri değişikliğini doğrulayın.

Güvenlik: Kullanıcı girdisini doğrulayın, parametreli sorgu kullanın, kimlik doğrulama ve yetkilendirmeyi ayırın; parola, token ve kişisel verileri koda veya loga yazmayın.

Sürdürülebilirlik: İş kurallarını controller, servis ve veri erişimi gibi sorumluluklara ayırın; anlamlı isimler, küçük fonksiyonlar, ortak hata yanıtı ve test edilebilir sınırlar kullanın.

Ders özeti: TensorFlow/Keras ile İlk Sinir Ağı konusunu; girdi, backend işlemi, veri akışı, hata durumu, güvenlik kontrolü ve çıktı arasındaki ilişkiyle kendi cümlelerinizle açıklayın.

import tensorflow as tf ; from tensorflow import keras

import tensorflow — TensorFlow/Keras ile İlk Sinir Ağı içindeki bu kod satırı backend kodunun bir parçasıdır; ilgili girdiyi alır, dönüştürür ve sonraki adıma aktarır.

Öğretmen açıklaması

Bu adımı hiç bilmeyen biri için okuyalım: TensorFlow/Keras ile İlk Sinir Ağı içindeki bu kod satırı, sunucu tarafı kodun girdiyi işlemesi, doğru çıktıyı üretmesi ve güvenli biçimde çalışması içinde bu örneğin ilgili görevini üstlenir. Satırın rolü: TensorFlow/Keras ile İlk Sinir Ağı içindeki bu kod satırı satırının backend görevi. Sözdizimi açısından TensorFlow/Keras ile İlk Sinir Ağı içindeki bu kod satırı backend kodunun bir parçasıdır; ilgili girdiyi alır, dönüştürür ve sonraki adıma aktarır. Çalışma sırasında backend çalışma zamanı bu kod parçasını işler ve sunucu tarafı kodun girdiyi işlemesi, doğru çıktıyı üretmesi ve güvenli biçimde çalışması için sonraki adıma taşınacak ara sonucu üretir. Gözlenebilir ara sonuç şudur: Bu adımın sonunda TensorFlow/Keras ile İlk Sinir Ağı içindeki bu kod satırı için gerekli ara durum oluşur; işlenmiş veri, terminal çıktısı veya istemciye dönen backend yanıtı gözlemlenebilir hale gelir. Bir sonraki satır bu sonucu kullanır. Kod parçaları: import tensorflow as tf; from tensorflow import keras: Bu satır backend akışının bir parçasını yürütür. Bu satırın neden burada olduğunu anlamak için girdiyi ve bir sonraki satıra taşınan değeri birlikte kontrol edin.

Önce TensorFlow/Keras ile İlk Sinir Ağı içindeki bu kod satırı parçasının hangi girdiyi aldığını ve TensorFlow/Keras ile İlk Sinir Ağı içindeki görevini söyleyin.
Sonra sözdizimini parçalara ayırın; hangi anahtar kelime, değişken veya parametrenin neyi belirlediğini gösterin.
Çalışma zamanında verinin bu satırdan önceki ve sonraki halini karşılaştırın; terminal/response sonucunu kontrol edin.
Aynı fikri boş, hatalı veya farklı bir değerle deneyin; hata oluşursa mesajı okuyup tek değişiklikle yeniden test edin.

Yaygın hata: Bu adımda en yaygın hata, TensorFlow/Keras ile İlk Sinir Ağı içindeki bu kod satırı parçasını TensorFlow/Keras ile İlk Sinir Ağı bağlamından koparıp yalnızca ezberlemektir. Önce girdiyi doğrulayın, sonra beklenen çıktıyı küçük bir testle karşılaştırın.

Şimdi sen dene: TensorFlow/Keras ile İlk Sinir Ağı içindeki bu kod satırı üzerinde küçük bir değişiklik yapın; sunucu tarafı kodun girdiyi işlemesi, doğru çıktıyı üretmesi ve güvenli biçimde çalışması akışında hangi çıktının değişmesini beklediğinizi yazın, sonra normal ve hatalı bir girdiye karşı çalıştırın.

Zihinsel model ve benzetme

Zihninde canlandır: Başka bir araç kutusu bu dosyaya taşındı; içindeki araçlar isimleriyle kullanılabilir.

Günlük hayattan: import, komşu atölyeden alet takımı ödünç almaktır: takımın adıyla aletlere ulaşırsın.

İşaretlerin anlamı

import Hazır bir modülü bu dosyaya dahil eder.

İleride bağlanacak

Bu modülün getirdiği araçlar sonraki satırlarda isimleriyle kullanılacak.

Bu satırı hiç bilmeyen biri için parçalayalım

Satırın görevi: TensorFlow/Keras ile İlk Sinir Ağı içindeki bu kod satırı satırının backend görevi

Kavram: TensorFlow/Keras ile İlk Sinir Ağı

TensorFlow/Keras ile İlk Sinir Ağı içindeki bu kod satırı satırını yalnızca sözdizimiyle değil, sunucu tarafı kodun girdiyi işlemesi, doğru çıktıyı üretmesi ve güvenli biçimde çalışması içindeki göreviyle okuyun.

Blok kapsamı: TensorFlow/Keras ile İlk Sinir Ağı içindeki bu kod satırı satırının bulunduğu backend akışındaki kapsamı ve sonraki adıma taşıdığı sonucu belirler.

Neden şimdi: Bu parça, sunucu tarafı kodun girdiyi işlemesi, doğru çıktıyı üretmesi ve güvenli biçimde çalışması akışında sonraki adımın ihtiyaç duyduğu girdiyi hazırlamak için şimdi kuruluyor.

Kod etiketlerini tek tek incele

import tensorflow as tf; from tensorflow import keras kod parçası

Ne yapar? Bu satır backend akışının bir parçasını yürütür.

Neden burada? Önceki girdiyi sonraki adıma taşımak için bu konumda bulunur.

Silinirse: İlgili ara sonuç veya çıktı oluşmaz.

Amaç TensorFlow/Keras ile İlk Sinir Ağı içindeki bu kod satırı, sunucu tarafı kodun girdiyi işlemesi, doğru çıktıyı üretmesi ve güvenli biçimde çalışması içinde bu örneğin ilgili görevini üstlenir.

Nasıl Çalışır backend çalışma zamanı bu kod parçasını işler ve sunucu tarafı kodun girdiyi işlemesi, doğru çıktıyı üretmesi ve güvenli biçimde çalışması için sonraki adıma taşınacak ara sonucu üretir.

Akış Şeması (Flowchart)

AST (Abstract Syntax Tree)

{
    "type": "Module",
    "body": []
}

Değişiklikler (Diff)

+ Eklendi:
+ import tensorflow as tf; from tensorflow import keras

Yaygın Hata Girdiyi doğrulamadan bu satırın ürettiği sonucu doğru kabul etmek.

Ek Açıklama TensorFlow ve Keras import. Derin öğrenme dünyasına adım atıyoruz.

model = keras Sequential ( [ keras layers Dense ( 64 , activation = "relu" , input_shape = ( 10 , ) ) , keras layers Dense ( 32 , activation = "relu" ) , keras layers Dense ( 1 , activation = "sigmoid" ) ] ] )

keras.Sequential() — TensorFlow/Keras ile İlk Sinir Ağı içindeki bu kod satırı backend kodunun bir parçasıdır; ilgili girdiyi alır, dönüştürür ve sonraki adıma aktarır.

Öğretmen açıklaması

Bu adımı hiç bilmeyen biri için okuyalım: TensorFlow/Keras ile İlk Sinir Ağı içindeki bu kod satırı, sunucu tarafı kodun girdiyi işlemesi, doğru çıktıyı üretmesi ve güvenli biçimde çalışması içinde bu örneğin ilgili görevini üstlenir. Satırın rolü: TensorFlow/Keras ile İlk Sinir Ağı içindeki bu kod satırı satırının backend görevi. Sözdizimi açısından TensorFlow/Keras ile İlk Sinir Ağı içindeki bu kod satırı backend kodunun bir parçasıdır; ilgili girdiyi alır, dönüştürür ve sonraki adıma aktarır. Çalışma sırasında backend çalışma zamanı bu kod parçasını işler ve sunucu tarafı kodun girdiyi işlemesi, doğru çıktıyı üretmesi ve güvenli biçimde çalışması için sonraki adıma taşınacak ara sonucu üretir. Gözlenebilir ara sonuç şudur: Bu adımın sonunda TensorFlow/Keras ile İlk Sinir Ağı içindeki bu kod satırı için gerekli ara durum oluşur; işlenmiş veri, terminal çıktısı veya istemciye dönen backend yanıtı gözlemlenebilir hale gelir. Bir sonraki satır bu sonucu kullanır. Kod parçaları: model = keras.Sequential([keras.layers.Dense(64, activation="relu", input_shape=(10,)), keras.layers.Dense(32, activation="relu"), keras.layers.Dense(1, activation="sigmoid")]]): Bu satır backend akışının bir parçasını yürütür. Bu satırın neden burada olduğunu anlamak için girdiyi ve bir sonraki satıra taşınan değeri birlikte kontrol edin.

Önce TensorFlow/Keras ile İlk Sinir Ağı içindeki bu kod satırı parçasının hangi girdiyi aldığını ve TensorFlow/Keras ile İlk Sinir Ağı içindeki görevini söyleyin.
Sonra sözdizimini parçalara ayırın; hangi anahtar kelime, değişken veya parametrenin neyi belirlediğini gösterin.
Çalışma zamanında verinin bu satırdan önceki ve sonraki halini karşılaştırın; terminal/response sonucunu kontrol edin.
Aynı fikri boş, hatalı veya farklı bir değerle deneyin; hata oluşursa mesajı okuyup tek değişiklikle yeniden test edin.

Zihinsel model ve benzetme

Zihninde canlandır: Bellekte bir değer isimlendi; sonraki satırlar bu isimle ona ulaşacak.

İşaretlerin anlamı

= Sağdaki değeri soldaki isme bağlar.

. Modülün/nesnenin içindeki araca ulaşır.

( Çağrıyı veya gruplamayı başlatır.

Bu satırı hiç bilmeyen biri için parçalayalım

Satırın görevi: TensorFlow/Keras ile İlk Sinir Ağı içindeki bu kod satırı satırının backend görevi

Kavram: TensorFlow/Keras ile İlk Sinir Ağı

Blok kapsamı: TensorFlow/Keras ile İlk Sinir Ağı içindeki bu kod satırı satırının bulunduğu backend akışındaki kapsamı ve sonraki adıma taşıdığı sonucu belirler.

Kod etiketlerini tek tek incele

model = keras.Sequential([keras.layers.Dense(64, activation="relu", input_shape=(10,)), keras.layers.Dense(32, activation="relu"), keras.layers.Dense(1, activation="sigmoid")]])

kod parçası

Ne yapar? Bu satır backend akışının bir parçasını yürütür.

Neden burada? Önceki girdiyi sonraki adıma taşımak için bu konumda bulunur.

Silinirse: İlgili ara sonuç veya çıktı oluşmaz.

Akış Şeması (Flowchart)

AST (Abstract Syntax Tree)

{
    "type": "Module",
    "body": []
}

Değişiklikler (Diff)

+ Eklendi:
+ model = keras.Sequential([keras.layers.Dense(64, activation="relu", input_shape=(10,)), keras.layers.Dense(32, activation="relu"), keras.layers.Dense(1, activation="sigmoid")]])

Yaygın Hata Girdiyi doğrulamadan bu satırın ürettiği sonucu doğru kabul etmek.

Ek Açıklama 3 katmanlı sinir ağımızı oluşturduk. Giriş 10 özellik, iki gizli katman (64+32 ReLU), çıkış sigmoid.

model compile ( optimizer = "adam" , loss = "binary_crossentropy" , metrics = [ "accuracy" ] ) ; history = model fit ( X_train , y_train , epochs = 20 , validation_split = 0.2 )

.compile() + .fit() — TensorFlow/Keras ile İlk Sinir Ağı içindeki bu kod satırı backend kodunun bir parçasıdır; ilgili girdiyi alır, dönüştürür ve sonraki adıma aktarır.

Öğretmen açıklaması

Bu adımı hiç bilmeyen biri için okuyalım: TensorFlow/Keras ile İlk Sinir Ağı içindeki bu kod satırı, sunucu tarafı kodun girdiyi işlemesi, doğru çıktıyı üretmesi ve güvenli biçimde çalışması içinde bu örneğin ilgili görevini üstlenir. Satırın rolü: TensorFlow/Keras ile İlk Sinir Ağı içindeki bu kod satırı satırının backend görevi. Sözdizimi açısından TensorFlow/Keras ile İlk Sinir Ağı içindeki bu kod satırı backend kodunun bir parçasıdır; ilgili girdiyi alır, dönüştürür ve sonraki adıma aktarır. Çalışma sırasında backend çalışma zamanı bu kod parçasını işler ve sunucu tarafı kodun girdiyi işlemesi, doğru çıktıyı üretmesi ve güvenli biçimde çalışması için sonraki adıma taşınacak ara sonucu üretir. Gözlenebilir ara sonuç şudur: Bu adımın sonunda TensorFlow/Keras ile İlk Sinir Ağı içindeki bu kod satırı için gerekli ara durum oluşur; işlenmiş veri, terminal çıktısı veya istemciye dönen backend yanıtı gözlemlenebilir hale gelir. Bir sonraki satır bu sonucu kullanır. Kod parçaları: model.compile(optimizer="adam", loss="binary_crossentropy", metrics=["accuracy"]); history = model.fit(X_train, y_train, epochs=20, validation_split=0.2): Bu satır backend akışının bir parçasını yürütür. Bu satırın neden burada olduğunu anlamak için girdiyi ve bir sonraki satıra taşınan değeri birlikte kontrol edin.

Önce TensorFlow/Keras ile İlk Sinir Ağı içindeki bu kod satırı parçasının hangi girdiyi aldığını ve TensorFlow/Keras ile İlk Sinir Ağı içindeki görevini söyleyin.
Sonra sözdizimini parçalara ayırın; hangi anahtar kelime, değişken veya parametrenin neyi belirlediğini gösterin.
Çalışma zamanında verinin bu satırdan önceki ve sonraki halini karşılaştırın; terminal/response sonucunu kontrol edin.
Aynı fikri boş, hatalı veya farklı bir değerle deneyin; hata oluşursa mesajı okuyup tek değişiklikle yeniden test edin.

İşaretlerin anlamı

= Sağdaki değeri soldaki isme bağlar.

. Modülün/nesnenin içindeki araca ulaşır.

( Çağrıyı veya gruplamayı başlatır.

Bu satırı hiç bilmeyen biri için parçalayalım

Satırın görevi: TensorFlow/Keras ile İlk Sinir Ağı içindeki bu kod satırı satırının backend görevi

Kavram: TensorFlow/Keras ile İlk Sinir Ağı

Blok kapsamı: TensorFlow/Keras ile İlk Sinir Ağı içindeki bu kod satırı satırının bulunduğu backend akışındaki kapsamı ve sonraki adıma taşıdığı sonucu belirler.

Kod etiketlerini tek tek incele

model.compile(optimizer="adam", loss="binary_crossentropy", metrics=["accuracy"]); history = model.fit(X_train, y_train, epochs=20, validation_split=0.2)

kod parçası

Ne yapar? Bu satır backend akışının bir parçasını yürütür.

Neden burada? Önceki girdiyi sonraki adıma taşımak için bu konumda bulunur.

Silinirse: İlgili ara sonuç veya çıktı oluşmaz.

Bellek Durumu (Variables)

Değişken	Tip	Değer	Adres	Ref
history	History	20 epoch log	0x...	1

Akış Şeması (Flowchart)

AST (Abstract Syntax Tree)

{
    "type": "Module",
    "body": []
}

Değişiklikler (Diff)

+ Eklendi:
+ model.compile(optimizer="adam", loss="binary_crossentropy", metrics=["accuracy"]); history = model.fit(X_train, y_train, epochs=20, validation_split=0.2)

Yaygın Hata Girdiyi doğrulamadan bu satırın ürettiği sonucu doğru kabul etmek.

Ek Açıklama Model 20 epoch eğitiliyor. Loss düştükçe accuracy artar - ideal durum. validation_split ile overfitting kontrolü yaparız.

Derse Hazır mısınız?

Seslendirme Ayarları