2. hafta odevlerine dair


#1

1- asagidaki soruda tikandim. ne istediklerini anladigimi saniyorum, ancak nasil yapilacagina dair bir fikrim yok. Yardim rica edebilir miyim?


2- bir de elimizde her hangi bir kaynak var midir, bu odev sorularinin aciklayici cozumleri gibi bir sey? Bazen ne istedigini anlamak, bazen de nasil yapilacagini bulmaya calismak asiri zaman kaybettiriyor. En azindan takildigimiz zaman bakip, durumu kavraya bilecegimiz. 3. haftaya halen baslayamadim, bunlari bitiremedigim icin. forum uzerinden cevap almak da uzun surdugunden ciddi bir yavaslama yasiyorum. o yuzden takildigimda hemen elimden tutacak bir seyler bulabilirsem cok guzel olurdu.

tesekkurler,
Evrim


#2
  1. Weightleri verilen dim parametresine göre 0 eşitlemeni, bias’ı ise direk 0’a eşitlemeni istiyor.
  2. Numpy tutorialları okuyabilirsin. Ödev sorularının cözümlerini okumanı tavsiye etmem, anlamadığın kısımları burada sorabilirsin, neyi nasıl yapacağını bulmaya calışmak zaten öğrenme sürecinin en önemli kısmı, öğrenme bu kısımda oluyor. Eğer kendini yetersiz görüyorsan python’ın numpy tutoriallarını okumanı tavsiye ederim, coursera’a bu kurs ile ilgili warm up numpy tutorialları ve egzersizleri bulunmakta. İngilizce yetersizliğin varsa daha temel bi sorun nasıl cözeceğin sana bağlı.

#3

1- su ana kadar anlatilan konular icerisinde dim veya bias diye parametrelerden bahsedildigini hatirlamiyorum. ben mi yanlisim? O yuzden bu soylediginizi nasil yapiyoruz bilemiyorum.

2-

  • np.zeros komutu ile alakali numpy dokumanlarini inceledim (shape ve data type girebiliyoruz), lakin bu dim ve bias’i nasil arguman olarak girecegimizi kavramis degilim.
  • elimden geldigince sormaya gayret ediyorum
  • ogrenmeye dair felsefenizi anliyorum ve olumlu karsiliyorum. gayemi kolaycilaga kacmak olarak yorumluyorsunuz sanirim, ama derdim o degil. yoksa github vb sorularin yanitlarini bulmak cok kolay. bana cozumlerin aciklamalari gerekiyor ki eksik oldugum noktayi saptayabileyim.
  • coursera’daki numpy giris odevlerini yaptim once. onlar olmasa soracagim cok sey olurdu :slight_smile:
  • ingilizce ile ilgili bir problem yasacagimi sanmiyorum.

Tesekkurler,
Evrim


#4

dim = matrix dimensionı demek , shape 'i (dim,1) , dim initialize_with_zeros 'un methodunun parametresidir.
Weight’i ve Bias 'ı z= wx + b den hatırlaman lazım bununla ilgili bir soru sormuştun yanlis hatirlamiyosam


#5

Belki ben iyi ifade edemedim bilemiyorum, shape olarak (dim, 1) koymamizin istendigini sonradan anladim ve anlayinca soruyu yaptim ve gectim.
w = np.zeros((dim, 1))
b = 0

benim anlayamadigim ve beni rahatsiz eden bir takim bilgilerin havada ucusu olusu. neden-sonuc iliskisini bulmakta zorlaniyorum. Bu sefer de garip sorular soruyorum sanirim. Misal bu ornekte biz bir baslangic yapmak istiyoruz ve baslangici da 0’dan alma derdimiz var. Oncelikle bu niye ifade edilmiyor ve daha sonra da bBunu gerceklestirmek icin neden dogrudan baslangic degerlerine sifir vermek yerine bu alengirli yolu izliyoruz? Bu ornekteki gibi gecisler guzel yapilmadiginda benim adima problem olusuyor. Belki benim yazilim / bilgisayar muhendisligi gecmisimin olmasinin konuyla bir alakasi vardir, bilemiyorum. Sadece gereksiz bir strese sebebiyet veriyor bana.

Tekrar tesekkurler


#6

ya gayet kolay aslında W ile B yi logistic regression yaparken 0 olarak başlatabilirsin bunda bi problem yok onu yapiyorsun işte bu kadar basit birşey aslında bunu da bir method yapmis tüm algoritmayı implement ederken bu methodu cagır diye


#7

Basitligine bir sey demiyorum. Muhtemelen bundan 2-3 hafta sonra donup baktigimda kendi kendime yuh diyecegim bir durum var. Hatta arguman olarka (dim, 1) kullanmam gerektigini anladigimda buyuk bir "Amaaan!: nidasi da verdim. Tekrar olacak belki ama, beni yoran, bilgilerin cok daginik bir halde olmasi. Ya da belki de ben cok fazla tumden gelimci bir dusunce yapisina sahibim.