1. Eğitim Bilgi Sistemi
  2. Bilişim Sistemleri Pr. (Yl) (Tezsiz) (İö)
  3. Derin Öğrenmeye Giriş (2020 - 2021)
Ders Adı Kodu Yarıyıl T+U Saat Kredi AKTS
Derin Öğrenmeye Giriş ENF 547 0 3 + 0 3 6
Ön Koşul Dersleri
Önerilen Seçmeli Dersler
Dersin Dili Türkçe
Dersin Seviyesi YUKSEK_LISANS
Dersin Türü Seçmeli
Dersin Koordinatörü Prof.Dr. DEVRİM AKGÜN
Dersi Verenler
Dersin Yardımcıları
Dersin Kategorisi Alanına Uygun Öğretim
Dersin Amacı

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

Yapay zeka, makine öğrenmesi ve derin öğrenmeye genel bakış, Matematiksel temeller, Graident descent algoritmaları, kayıp fonksiyonları, backpropagation.  Keras derin öğrenme kütüphanesi,  Python ile tensor işlemleri.  Çok etiketli (multi label) sınıflandırma, Regresyon. Veri önişleme, aşırı uydurmanın (overfitting) önlenmesi, ağırlık regülarizasyonu, dropout. 2 Boyutlu Konvolüsyon (conv2D) Sinir Ağları (convnets), pooling. Görüntü verilerinin zenginleştirilmesi, ön eğitimli (pretrained) ağlar. İnce ayar, konvolüsyon filtrelerinin görselleştirilmesi. Metin verisi ile derin öğrenme, Emedding katmanları. Recurrent neural networks, LSTM ve GRU katmanları. Recurrent neural networks, LSTM ve GRU katmanları. 1D convnets ile dizi işleme. Keras functional API,  Çok girişli veya çok çıkışlı modeller. Üretken (generative) derin öğrenme.  Derin öğrenmede güncel konular ile ilgili sunumlar.
# Ders Öğrenme Çıktıları Öğretim Yöntemleri Ölçme Yöntemleri
1 Derin öğrenme hakkında temel konuları bilir Anlatım, Soru-Cevap, Alıştırma ve Uygulama, Problem Çözme, Proje Temelli Öğrenme , Sınav, Ödev, Proje / Tasarım,
2 1D ve 2D convnet-konvolüsyon katmanlarını bilir Anlatım, Soru-Cevap, Alıştırma ve Uygulama, Problem Çözme, Proje Temelli Öğrenme , Sınav, Ödev, Proje / Tasarım,
3 Derin öğrenme ile ilgili açık kaynak kütüphaneleri kullanır Anlatım, Soru-Cevap, Alıştırma ve Uygulama, Problem Çözme, Proje Temelli Öğrenme , Sınav, Ödev, Proje / Tasarım,
4 Metin işleme, Embedding Layer, Simple RNN, LTSM ve GRU katmanlarını bilir Anlatım, Alıştırma ve Uygulama, Problem Çözme, Proje Temelli Öğrenme , Sınav, Ödev, Proje / Tasarım,
Hafta Ders Konuları Ön Hazırlık
1 Yapay zeka, makine öğrenmesi ve derin öğrenmeye genel bakış Sunumlar
2 Matematiksel temeller, Gradient descent algoritmaları, kayıp fonksiyonları, backpropagation. Sunumlar
3 Python ile tensor işlemleri, Keras derin öğrenme kütüphanesi Sunumlar
4 Çok etiketli (multi label) sınıflandırma, Regresyon Sunumlar
5 Veri önişleme, aşırı uydurmanın (overfitting) önlenmesi, ağırlık regülarizasyonu, dropout Sunumlar
6 2 Boyutlu Konvolüsyon (conv2D) Sinir Ağları (convnets), pooling Sunumlar
7 Görüntü verilerinin zenginleştirilmesi, ön eğitimli (pretrained) ağlar Sunumlar
8 İnce ayar, konvolüsyon filtrelerinin görselleştirilmesi Sunumlar
9 Metin verisi ile derin öğrenme, Emedding katmanları Sunumlar
10 Recurrent neural networks Sunumlar
11 LSTM ve GRU katmanları Sunumlar
12 1D convnets ile dizi işleme Sunumlar
13 Keras functional API, Çok girişli veya çok çıkışlı modeller Sunumlar
14 Generative deep learning Sunumlar
Kaynaklar
Ders Notu

Haftalık yüklenen sunumlar.
Ders Kaynakları

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

Goodfellow, Ian, et al. Deep learning. Vol. 1. Cambridge: MIT press, 2016.
Sıra Program Çıktıları Katkı Düzeyi
1 2 3 4 5
1 Bilişim Sistemlerindeki yada farklı bir alandaki bilgilerin genişletilmesi ve derinleştirilmesi ile birlikte bilimsel araştırma yaparak bilgiye ulaşabilme, bilgiyi değerlendirme, yorumlama ve uygulama yapabilmek X
2 Bilişim Sistemlerindeki sınırlı ya da eksik verileri kullanarak bilimsel yöntemlerle bilgiyi geliştirebilmek, bilimsel, toplumsal ve etik sorumluluk ile kullanabilmek X
3 Bilişim Sistemlerindeki bir problemi, bağımsız olarak kurgulamak, çözüm yöntemi geliştirmek, çözmek, sonuçları değerlendirmek ve gerektiğinde uygulayabilmek X
4 Bilişim Sistemlerindeki güncel gelişmeleri ve kendi çalışmalarını, Bilişim Sistemlerindeki ve Bilişim Sistemleri dışındaki gruplara, yazılı, sözlü ve görsel olarak sistemli bir şekilde aktarabilmek X
5 Bilişim Sistemlerindeki uygulamalarda karşılaşacağı öngörülmeyen karmaşık durumlarda, yeni stratejik yaklaşımlar geliştirebilmek ve sorumluluk alarak çözüm üretebilmek X
6 Bilişim Sistemleri ile ilgili konularda strateji, politika ve uygulama planları geliştirebilmek ve elde edilen sonuçları, kalite süreçleri çerçevesinde değerlendirebilmek X
8 Bilişim Sistemleri ile ilgili verilerin toplanması, yorumlanması, duyurulması aşamalarında bilimsel, sosyal ve etik değerleri gözeterek bu değerleri öğretebilmek ve denetlemek X
9 Bilişim Sistemlerinde özümsedikleri bilgiyi ve problem çözme yeteneklerini, disiplinler arası çalışmalarda uygulayabilmek. X
# Ders Öğrenme Çıktılarının Program Çıktılarına Katkısı PÇ 1 PÇ 2 PÇ 3 PÇ 4 PÇ 5 PÇ 6 PÇ 8 PÇ 9
1 Derin öğrenme hakkında temel konuları bilir
2 1D ve 2D convnet-konvolüsyon katmanlarını bilir
3 Derin öğrenme ile ilgili açık kaynak kütüphaneleri kullanır
4 Metin işleme, Embedding Layer, Simple RNN, LTSM ve GRU katmanlarını bilir
Değerlendirme Sistemi
Yarıyıl Çalışmaları Katkı Oranı
1. Ara Sınav 60
1. Proje / Tasarım 20
1. Ödev 10
2. Ödev 10
Toplam 100
1. Yıl İçinin Başarıya 50
1. Final 50
Toplam 100
AKTS - İş Yükü Etkinlik Sayı Süre (Saat) Toplam İş Yükü (Saat)
Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) 16 3 48
Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) 16 3 48
Ara Sınav 1 15 15
Ödev 2 5 10
Proje / Tasarım 1 10 10
Final 1 20 20
Toplam İş Yükü 151
Toplam İş Yükü / 25 (Saat) 6,04
dersAKTSKredisi 6