| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Derin Öğrenme ve Uygulamaları | SWE 405 | 7 | 3 + 0 | 3 | 5 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | İngilizce |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Seçmeli |
| Dersin Koordinatörü | Prof.Dr. DEVRİM AKGÜN |
| Dersi Verenler | Prof.Dr. DEVRİM AKGÜN, |
| Dersin Yardımcıları | |
| Dersin Kategorisi | Alanına Uygun Öğretim |
| Dersin Amacı | Derin öğrenme ile ilgili temel bilgileri anlamak, derin öğrenme ile ilgili açık kaynak kütüphaneleri kullanmak, derin öğrenme uygulamaları geliştirmek. |
| Dersin İçeriği | Mathematical background, tensor operations, Graident descent, backpropagation, Keras deeplearning library , Machine learning models, Convolutional neural networks (convnets), transfer learning ,metin verileriyle derin öğrenme, recurrent neural networks, 1D convnets , Keras functional API, Generative deep learning, current topics |
| Kalkınma Amaçları |
|---|
|
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Gezi / Gözlem, Gözlem, Anlatım, Soru-Cevap, | ||
| 2 | Gözlem, Gezi / Gözlem, | ||
| 3 | Anlatım, Gezi / Gözlem, | ||
| 4 | Anlatım, Gözlem, |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Introduction, Artificial Intelligence, Machine Learning and Deep Learning | |
| 2 | Mathematical background, tensor operations, activation functions | |
| 3 | Gradient descent and variants, loss functions | |
| 4 | Feedforward networks and training, Keras deep learning library | |
| 5 | Data preprocessing, regularization methods | |
| 6 | Convolutional neural networks | |
| 7 | Transfer learning | |
| 8 | Text processing, embedding layers | |
| 9 | Sequence processing, Recurrent neural networks (RNN) | |
| 10 | Simple RNN,LSTM, GRU | |
| 11 | Keras functional API | |
| 12 | Generative deep learning | |
| 13 | Contemporary deep learning topics | |
| 14 | Presentations |
| Kaynaklar | |
|---|---|
| Ders Notu | |
| Ders Kaynakları | Chollet, Francois. Deep learning with Python. Simon and Schuster, 2021. Ders Kaynakları Goodfellow, Ian, et al. Deep learning. Vol. 1. Cambridge: MIT press, 2016. |
| Sıra | Program Çıktıları | Katkı Düzeyi | |||||
|---|---|---|---|---|---|---|---|
| 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. | ||||||
| 7 | Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi. | ||||||
| 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. | ||||||
| 9 | Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi. | ||||||
| 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. | ||||||
| # | Ders Öğrenme Çıktılarının Program Çıktılarına Katkısı | PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | PÇ 11 | PÇ 12 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | |||||||||||||
| 2 | |||||||||||||
| 3 | |||||||||||||
| 4 |
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| 1. Ara Sınav | 40 |
| 1. Ödev | 20 |
| 2. Ödev | 20 |
| 1. Proje / Tasarım | 20 |
| Toplam | 100 |
| 1. Final | 50 |
| 1. Yıl İçinin Başarıya | 50 |
| Toplam | 100 |
| AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Ödev | 1 | 5 | 5 |
| Ara Sınav | 1 | 12 | 12 |
| Proje / Tasarım | 1 | 14 | 14 |
| Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) | 16 | 3 | 48 |
| Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) | 16 | 2 | 32 |
| Kısa Sınav | 1 | 4 | 4 |
| Final | 1 | 10 | 10 |
| Toplam İş Yükü | 125 | ||
| Toplam İş Yükü / 25 (Saat) | 5 | ||
| Dersin AKTS Kredisi | 5 | ||