Dersin öğretmen rehberi
LSTM ile Zaman Serisi Tahmini 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.
LSTM ile Zaman Serisi Tahmini
beginner 25 dk çalışma
Bu dersin ana sorusu: LSTM ile Zaman Serisi Tahmini konusunu çalışan bir backend örneği üzerinden anlamak.
Öğrenme özeti: LSTM ile Zaman Serisi Tahmini 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: LSTM ile Zaman Serisi Tahmini konusunu; girdi, backend işlemi, veri akışı, hata durumu, güvenlik kontrolü ve çıktı arasındaki ilişkiyle kendi cümlelerinizle açıklayın.
1
from
tensorflow
keras
models
import
Sequential
;
from
tensorflow
keras
layers
import
LSTM
,
Dense
,
Dropout
LSTM import
— LSTM ile Zaman Serisi Tahmini 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: LSTM ile Zaman Serisi Tahmini içindeki bu kod satırı, sunucu tarafı kodun girdiyi işlemesi, doğru çıktıyı üretmesi ve güvenli biçimde çalışması içinde bu örneğin ilgili görevini üstlenir. Satırın rolü: LSTM ile Zaman Serisi Tahmini içindeki bu kod satırı satırının backend görevi. Sözdizimi açısından LSTM ile Zaman Serisi Tahmini 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 LSTM ile Zaman Serisi Tahmini 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: from tensorflow.keras.models import Sequential; from tensorflow.keras.layers import LSTM, Dense, Dropout: 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 LSTM ile Zaman Serisi Tahmini içindeki bu kod satırı parçasının hangi girdiyi aldığını ve LSTM ile Zaman Serisi Tahmini 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, LSTM ile Zaman Serisi Tahmini içindeki bu kod satırı parçasını LSTM ile Zaman Serisi Tahmini bağlamından koparıp yalnızca ezberlemektir. Önce girdiyi doğrulayın, sonra beklenen çıktıyı küçük bir testle karşılaştırın.
Şimdi sen dene: LSTM ile Zaman Serisi Tahmini 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.
.
Modülün/nesnenin içindeki araca ulaşır.
İleride bağlanacak
Bu modülün getirdiği araçlar sonraki satırlarda isimleriyle kullanılacak.
Bu satırı hiç bilmeyen biri için parçalayalım
Satırın görevi: LSTM ile Zaman Serisi Tahmini içindeki bu kod satırı satırının backend görevi
Kavram: LSTM ile Zaman Serisi Tahmini
LSTM ile Zaman Serisi Tahmini 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: LSTM ile Zaman Serisi Tahmini 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
from tensorflow.keras.models import Sequential; from tensorflow.keras.layers import LSTM, Dense, Dropout
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
LSTM ile Zaman Serisi Tahmini 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:
+ from tensorflow.keras.models import Sequential; from tensorflow.keras.layers import LSTM, Dense, Dropout
Yaygın Hata
Girdiyi doğrulamadan bu satırın ürettiği sonucu doğru kabul etmek.
Ek Açıklama
LSTM ile zaman serisi modeli kuracağız. 30 adim geriye bakarak 1 adim ileriye tahmin yapacagiz.
2
model
=
Sequential
(
[
LSTM
(
50
,
return_sequences
=
True
,
input_shape
=
(
30
,
1
)
)
,
Dropout
(
0.2
)
,
LSTM
(
50
,
return_sequences
=
False
)
,
Dropout
(
0.2
)
,
Dense
(
25
)
,
Dense
(
1
)
]
)
Sequential LSTM
— LSTM ile Zaman Serisi Tahmini 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: LSTM ile Zaman Serisi Tahmini içindeki bu kod satırı, sunucu tarafı kodun girdiyi işlemesi, doğru çıktıyı üretmesi ve güvenli biçimde çalışması içinde bu örneğin ilgili görevini üstlenir. Satırın rolü: LSTM ile Zaman Serisi Tahmini içindeki bu kod satırı satırının backend görevi. Sözdizimi açısından LSTM ile Zaman Serisi Tahmini 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 LSTM ile Zaman Serisi Tahmini 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 = Sequential([LSTM(50, return_sequences=True, input_shape=(30,1)), Dropout(0.2), LSTM(50, return_sequences=False), Dropout(0.2), Dense(25), Dense(1)]): 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 LSTM ile Zaman Serisi Tahmini içindeki bu kod satırı parçasının hangi girdiyi aldığını ve LSTM ile Zaman Serisi Tahmini 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, LSTM ile Zaman Serisi Tahmini içindeki bu kod satırı parçasını LSTM ile Zaman Serisi Tahmini bağlamından koparıp yalnızca ezberlemektir. Önce girdiyi doğrulayın, sonra beklenen çıktıyı küçük bir testle karşılaştırın.
Şimdi sen dene: LSTM ile Zaman Serisi Tahmini 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: Bellekte bir değer isimlendi; sonraki satırlar bu isimle ona ulaşacak.
İşaretlerin anlamı
return
Fonksiyonun ürettiği sonucu çağıran yere verir.
=
Sağdaki değeri soldaki isme bağlar.
.
Modülün/nesnenin içindeki araca ulaşır.
(
Çağrıyı veya gruplamayı başlatır.
Bu satırı hiç bilmeyen biri için parçalayalım
Satırın görevi: LSTM ile Zaman Serisi Tahmini içindeki bu kod satırı satırının backend görevi
Kavram: LSTM ile Zaman Serisi Tahmini
LSTM ile Zaman Serisi Tahmini 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: LSTM ile Zaman Serisi Tahmini 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
model = Sequential([LSTM(50, return_sequences=True, input_shape=(30,1)), Dropout(0.2), LSTM(50, return_sequences=False), Dropout(0.2), Dense(25), Dense(1)])
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
LSTM ile Zaman Serisi Tahmini 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:
+ model = Sequential([LSTM(50, return_sequences=True, input_shape=(30,1)), Dropout(0.2), LSTM(50, return_sequences=False), Dropout(0.2), Dense(25), Dense(1)])
Yaygın Hata
Girdiyi doğrulamadan bu satırın ürettiği sonucu doğru kabul etmek.
Ek Açıklama
2 katmanli LSTM modeli hazir. ilk katman sequence verir, ikinci katman son tahmini uretir.