https://github.com/alicankaya192/deep_learning_path
Sıfırdan ileri seviyeye Deep Learning yol haritası. 11 modül: PDF + Python + Jupyter Notebook. NumPy · TensorFlow · PyTorch karşılaştırmalı implementasyonlar.
https://github.com/alicankaya192/deep_learning_path
artificial-intelligence cnn data-science deep-learning gan jupyter-notebook lstm machine-learning neural-networks numpy python pytorch rnn tensorflow transformer
Last synced: 2 days ago
JSON representation
Sıfırdan ileri seviyeye Deep Learning yol haritası. 11 modül: PDF + Python + Jupyter Notebook. NumPy · TensorFlow · PyTorch karşılaştırmalı implementasyonlar.
- Host: GitHub
- URL: https://github.com/alicankaya192/deep_learning_path
- Owner: AlicanKaya192
- Created: 2026-06-18T09:34:20.000Z (5 days ago)
- Default Branch: main
- Last Pushed: 2026-06-18T09:54:30.000Z (5 days ago)
- Last Synced: 2026-06-18T11:29:55.114Z (5 days ago)
- Topics: artificial-intelligence, cnn, data-science, deep-learning, gan, jupyter-notebook, lstm, machine-learning, neural-networks, numpy, python, pytorch, rnn, tensorflow, transformer
- Language: Python
- Homepage: https://alican-kaya.com
- Size: 313 KB
- Stars: 1
- Watchers: 0
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# 🧠 Deep Learning Path
> Sıfırdan ileri seviyeye kapsamlı bir derin öğrenme yol haritası.
> Her modül: **PDF konu anlatımı** + **Python implementasyonu** + **Jupyter Notebook**
---
## 📌 Hakkında
Bu repo, derin öğrenmeyi temelden öğrenmek isteyenler için hazırlanmış yapılandırılmış bir öğrenme yolu içerir. Her konu kendi klasöründe; teorik PDF, çalışabilir Python kodu ve kapsamlı Jupyter Notebook ile birlikte sunulmuştur.
Tüm implementasyonlar **üç framework** ile karşılaştırmalı olarak yapılmıştır:
- 🔢 **NumPy** — sıfırdan, matematiği anlamak için
- 🟠 **TensorFlow / Keras** — hızlı prototip ve production
- 🔴 **PyTorch** — araştırma ve özel mimari
---
## 📂 Repo Yapısı
```
Deep-Learning-Path/
│
├── 01-Sinir_Aglari_Temelleri/
│ ├── 01_Sinir_Aglari_Temelleri.pdf
│ ├── 01_sinir_aglari_numpy_from_scratch.py
│ └── 01_sinir_aglari_kapsamli.ipynb
│
├── 02-Aktivasyon_Fonksiyonlari/
│ ├── 02_Aktivasyon_Fonksiyonlari.pdf
│ ├── 02_aktivasyon_fonksiyonlari.py
│ └── 02_aktivasyon_fonksiyonlari_kapsamli.ipynb
│
├── 03-Kayip_Fonksiyonlari_ve_Optimizasyon/
│ ├── 03_Kayip_Optimizasyon.pdf
│ ├── 03_kayip_optimizasyon.py
│ └── 03_kayip_optimizasyon_kapsamli.ipynb
│
├── 04-Geri_Yayilim_Backpropagation/
│ ├── 04_Backpropagation.pdf
│ ├── 04_backpropagation_numpy.py
│ └── 04_backpropagation_kapsamli.ipynb
│
├── 05-Derin_Aglar_Regularization/
│ ├── 05_Regularization.pdf
│ ├── 05_regularization.py
│ └── 05_regularization_kapsamli.ipynb
│
├── 06-CNN_Evrisimsel_Sinir_Aglari/
│ ├── 06_CNN.pdf
│ ├── 06_cnn_tensorflow_pytorch.py
│ └── 06_cnn_kapsamli.ipynb
│
├── 07-Transfer_Learning/
│ ├── 07_Transfer_Learning.pdf
│ ├── 07_transfer_learning.py
│ └── 07_transfer_learning_kapsamli.ipynb
│
├── 08-RNN_LSTM_GRU/
│ ├── 08_RNN_LSTM_GRU.pdf
│ ├── 08_rnn_lstm_gru.py
│ └── 08_rnn_lstm_gru_kapsamli.ipynb
│
├── 09-Transformer_ve_Attention/
│ ├── 09_Transformer_Attention.pdf
│ ├── 09_transformer_attention.py
│ └── 09_transformer_kapsamli.ipynb
│
├── 10-Generative_Models_GAN_VAE/
│ ├── 10_GAN_VAE.pdf
│ ├── 10_gan_vae.py
│ └── 10_gan_vae_kapsamli.ipynb
│
└── 11-FINAL_PROJE_Multimodal_Sentiment/
├── multimodal_sentiment_analysis.py
├── multimodal_sentiment_notebook.ipynb
└── FINAL_PROJE_RAPORU.pdf
```
---
## 🗺️ Modül Listesi
| # | Modül | Konular |
|---|-------|---------|
| 01 | Sinir Ağları Temelleri | Perceptron, MLP, Forward Pass, Backprop, XOR |
| 02 | Aktivasyon Fonksiyonları | Sigmoid, ReLU, GELU, Vanishing Gradient, Dead Neuron |
| 03 | Kayıp Fonk. & Optimizasyon | MSE, BCE, Adam, SGD, LR Scheduler |
| 04 | Backpropagation | Zincir Kuralı, Hesaplama Grafı, Sıfırdan Impl. |
| 05 | Regularization | Dropout, Batch Norm, L1/L2, Early Stopping |
| 06 | CNN | Konvolüsyon, Pooling, ResNet, Grad-CAM |
| 07 | Transfer Learning | Feature Extraction, Fine-tuning, VGG/ResNet |
| 08 | RNN / LSTM / GRU | Zaman Serisi, BPTT, Seq2Seq |
| 09 | Transformer & Attention | Self-Attention, BERT, GPT, Positional Encoding |
| 10 | GAN & VAE | Üretici Modeller, Latent Space, DCGAN |
| 11 | Final Proje | Multimodal Sentiment Analysis (CNN + BERT fusion) |
---
## 🚀 Kurulum
```bash
git clone https://github.com/AlicanKaya192/Deep-Learning-Path.git
cd Deep-Learning-Path
pip install numpy matplotlib scikit-learn tensorflow torch torchvision jupyter
```
---
## 📋 Her Modülde Ne Var?
### 📄 PDF
- Konu anlatımı (teorik temel, formüller)
- Görsel şemalar ve mimari diyagramlar
- Adım adım sayısal örnekler
- Framework karşılaştırma tabloları
- Yaygın hatalar ve çözümleri
- Özet tablo + kaynaklar
### 🐍 Python (.py)
- NumPy ile sıfırdan implementasyon
- TensorFlow/Keras implementasyonu
- PyTorch implementasyonu
- Matplotlib görselleştirme
- PEP8 uyumlu, tam yorumlanmış
### 📓 Jupyter Notebook (.ipynb)
- LaTeX matematiksel formüller
- İnteraktif görselleştirmeler
- Hiperparametre deneyleri
- Gerçek veri seti uygulaması
- Alıştırmalar (ipuçlu, çözümsüz)
---
## 🎯 Kimler İçin?
- Derin öğrenmeye sıfırdan başlayanlar
- Matematiği anlayarak ilerlemek isteyenler
- Framework'leri karşılaştırmalı öğrenmek isteyenler
- Bilgisayar Mühendisliği / Veri Bilimi öğrencileri
---
## 📊 İlerleme
- [x] Modül 01 — Sinir Ağları Temelleri
- [x] Modül 02 — Aktivasyon Fonksiyonları
- [x] Modül 03 — Kayıp Fonksiyonları & Optimizasyon
- [x] Modül 04 — Backpropagation
- [x] Modül 05 — Regularization
- [x] Modül 06 — CNN
- [x] Modül 07 — Transfer Learning
- [x] Modül 08 — RNN / LSTM / GRU
- [x] Modül 09 — Transformer & Attention
- [x] Modül 10 — GAN & VAE
- [x] Modül 11 — Final Proje
---
## 🔗 İlgili Repo
[📦 Data-Science-RoadMap](https://github.com/AlicanKaya192/Data-Science-RoadMap) — Tam veri bilimi yol haritası
---
## 📜 Lisans
MIT License — özgürce kullanabilir, katkıda bulunabilirsiniz.