Bu GitHub deposu, derin öğrenme alanının önde gelen isimlerinden Ilya Sutskever'in "derin öğrenmenin %90'ını öğretecek" dediği ve John Carmack'a tavsiye ettiği 30 temel makalenin kapsamlı ve eğitici uygulamalarını sunuyor. Proje, derin öğrenme kavramlarını temelden anlamak isteyenler için eşsiz bir kaynak niteliğinde olup, karmaşık framework'lere bağımlılık olmadan algoritmaların işleyişini kavramayı hedefliyor. Depo, %100 tamamlanmış durumda ve her bir makale için ayrıntılı uygulamalar içeriyor.
Her bir uygulama, eğitimsel netliği ön planda tutarak yalnızca NumPy kütüphanesini kullanıyor ve herhangi bir derin öğrenme framework'ünden kaçınıyor. Bu sayede kullanıcılar, algoritmaların temel matematiksel ve mantıksal yapılarını daha iyi anlayabiliyor. Ayrıca, uygulamalar anında çalıştırılabilmesi için sentetik veya bootstrapped veri setleri içeriyor. Etkileşimli öğrenme deneyimi sunmak amacıyla Jupyter notebook'larda çalışan bu uygulamalar, kapsamlı görselleştirmeler ve açıklamalarla desteklenerek her makalenin temel kavramlarını açıkça ortaya koyuyor.
Depoda yer alan makaleler arasında RNN'ler, LSTM ağları, AlexNet, ResNet, Pointer Networks, Graph Neural Networks (GNN'ler) ve meşhur "Attention Is All You Need" (Transformer'lar) gibi derin öğrenmenin mihenk taşları bulunuyor. Bu uygulamalar, dropout, dikkat mekanizmaları, kalıntı bağlantılar ve varyasyonel otoenkoderler gibi kritik kavramları pratik örneklerle gösteriyor. Derin öğrenme alanında sağlam bir temel oluşturmak veya mevcut bilgilerini pekiştirmek isteyen herkes için bu depo, teorik bilginin pratikle birleştiği değerli bir öğrenme platformu sunuyor.
Derin öğrenme alanındaki temel algoritmaları ve kavramları, popüler framework'lerden bağımsız olarak, pratik uygulamalarla ve eğitici bir yaklaşımla öğrenmek isteyenler için kapsamlı bir kaynak sağlıyor.