Course Name Code Semester T+U Hours Credit ECTS
Derin Öğrenme ve Evrişimli Sinir Ağlari BSM 432 8 3 + 0 3 5
Precondition Courses
Recommended Optional Courses
Course Language Türkçe
Course Level Lisans
Course Type Seçmeli
Course Coordinator Doç.Dr. DEVRİM AKGÜN
Course Lecturers Doç.Dr. DEVRİM AKGÜN,
Course Assistants
Course Category Alanına Uygun Öğretim
Course Objective

Derin öğrenme hakkında matematiksel temelleri öğretmek, derin öğrenme ile ilgili açık kaynak kütüphaneleri kullanabilmek, derin öğrenme uygulaması geliştirebilmek.

 

Course Content

Matematiksel temeller, tensor işlemleri, Graident descent, backpropagation, Keras deeplearning kütüphanesi ve kullanım örnekleri, Makine öğrenmesi modelleri, Konvolüsyon (evrişim) Sinir Ağları (convnets convolutional neural networks), Ön eğitimli convnet ile özellik çıkarma, convnet görselleştirme, Metin verisi ile derin öğrenme, recurrent neural networks, Dizi işleme için 1D convnets , Keras functional API, Keras fonksiyonlarınını kullanımı, TensorBoard görselleştirme aracı, Üretken (generative) derin öğrenme, Güncel konular

# Course Learning Outcomes Teaching Methods Assessment Methods
1 Derin öğrenme uygulaması geliştirmek Anlatım, Soru-Cevap, Tartışma, Alıştırma ve Uygulama, Sınav , Ödev, Performans Görevi,
2 Derin öğrenme hakkında temel konuları bilir Anlatım, Soru-Cevap, Tartışma, Alıştırma ve Uygulama, Sınav , Ödev,
3 convnet yapısını kullanmak Anlatım, Soru-Cevap, Tartışma, Alıştırma ve Uygulama, Sınav , Ödev, Performans Görevi,
4 Derin öğrenme ile ilgili açık kaynak kütüphaneleri kullanmak Anlatım, Soru-Cevap, Tartışma, Alıştırma ve Uygulama, Sınav , Ödev, Performans Görevi,
Week Course Topics Preliminary Preparation
1 Derin öğrenmeye giriş
2 Matematiksel temeller, tensor işlemleri
3 Graident descent, backpropagation, kayıp fonksiyonları
4 Keras deeplearning kütüphanesi, Python ile kullanım örnekleri
5 Makine öğrenmesi temelleri, veri önişleme, özellik öğrenme
6 Konvolüsyon (evrişim) Sinir Ağları (convnets)
7 Ön eğitimli convnet ile özellik çıkarma, convnet görselleştirme
8 Metin verisi ile derin öğrenme, recurrent neural networks
9 1D convnets ile dizi işleme
10 Keras functional API, Keras çağrılarının kullanımı
11 TensorBoard görselleştirme aracı
12 Üretken (generative) derin öğrenme
13 Değişken otomatik kodlayıcılarla görüntü üretme
14 Derin öğrenmede güncel konular ile ilgili sunumlar
Resources
Course Notes <p> Haftalık y&uuml;klenen sunumlar</p>
Course Resources

Goodfellow, Ian, et al. Deep learning. Vol. 1. Cambridge: MIT press, 2016.

Chollet, Francois. Deep learning with python. Manning Publications Co., 2017.

Order Program Outcomes Level of Contribution
1 2 3 4 5
1 Matematik, fen bilimleri ve ilgili mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanabilme becerisi. X
2 Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi. X
3 Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi. X
4 Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi. X
5 Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi. X
6 Bilişim Teknolojilerinin yönetim, denetim, gelişim ve güvenliği/güvenilirliği hakkında bilgi sahibi olma ve farkındalık, X
7 Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi. X
8 Türkçe sözlü ve yazılı etkin iletişim kurma becerisi; en az bir yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi. X
9 Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi. X
10 Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi.
11 Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi.
12 Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık.
Evaluation System
Semester Studies Contribution Rate
1. Proje / Tasarım 100
Total 100
1. Final 50
1. Yıl İçinin Başarıya 50
Total 100
ECTS - Workload Activity Quantity Time (Hours) Total Workload (Hours)
Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) 16 3 48
Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) 16 2 32
Ara Sınav 1 10 10
Kısa Sınav 3 4 12
Final 1 15 15
Proje / Tasarım 1 10 10
Total Workload 127
Total Workload / 25 (Hours) 5.08
dersAKTSKredisi 5