1: Yapay sinir ağı: Sinir ağlarının temellerini ve geniş önemini keşfedin.

2: Perceptron: Tek katmanlı öğrenme modellerinin yapı taşlarını anlayın.

3: Jürgen Schmidhuber: Modern ağların ardındaki öncü araştırmaları keşfedin.

4: Nöroevrim: Sinir mimarilerini optimize etmeye yönelik genetik yaklaşımları inceleyin.

5: Tekrarlayan sinir ağı: Sıralı veriler için belleğe sahip ağları araştırın.

6: İleri beslemeli sinir ağı: Verilerin tek bir yönde hareket ettiği ağları analiz edin.

7: Çok katmanlı perceptron: Ağ derinliğini artıran katmanlı yapılar hakkında bilgi edinin.

8: Kuantum sinir ağı: Kuantum destekli öğrenme modellerinin potansiyelini ortaya çıkarın.

9: ADALINE: Desen tanıma için uyarlanabilir doğrusal nöronları inceleyin.

10: Yankı durumu ağı: Zamansal veriler için dinamik rezervuar modellerini keşfedin.

11: Çivi çakan sinir ağı: Biyolojik olarak ilham alan sinir sistemlerini anlayın.

12: Rezervuar bilişimi: Zaman serisi analizi için uzmanlaşmış ağlara dalın.

13: Uzun kısa süreli bellek: Bilgileri tutmak için tasarlanmış mimarilerde ustalaşın.

14: Yapay sinir ağlarının türleri: Çeşitli ağ modelleri arasında ayrım yapın.

15: Derin öğrenme: Çok katmanlı ağların derinliğini ve kapsamını kavrayın.

16: Öğrenme kuralı: Sinir modeli eğitimine rehberlik eden yöntemleri keşfedin.

17: Evrişimli sinir ağı: Görüntü verilerine göre uyarlanmış ağları analiz edin.

18: Kaybolan gradyan sorunu: Ağ eğitimindeki zorlukları ele alın.

19: Çift yönlü yinelemeli sinir ağları: Verileri her iki yönde de işleyen modelleri keşfedin.

20: Kalan sinir ağı: Öğrenmeyi optimize etmek için gelişmiş teknikleri öğrenin.

21: Yapay sinir ağlarının tarihi: Bu dönüştürücü alanın evrimini izleyin.