Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
---|---|---|---|---|---|
Derin Öğrenme | BSM 558 | 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 | Dr.Öğr.Üyesi ULAŞ YURTSEVER, |
Dersin Yardımcıları | |
Dersin Kategorisi | Diğer |
Dersin Amacı | Derin öğrenme ile ilgili matematiksel temelleri öğretmek, derin öğrenme ile ilgili açık kaynak kütüphaneleri kullanmak, derin öğrenme uygulamaları geliştirmek. |
Dersin İçeriği | Matematiksel temeller, tensor işlemleri, Graident descent, backpropagation, Keras deeplearning library ve uygulamalar, Makine öğrenmesi modelleri, Convolutional neural networks (convnets), transfer learning , convnet görselleştirme, metin verileriyle derin öğrenme, recurrent neural networks, 1D convnets , Keras functional API, Üretken derin öğrenme, güncel konular |
# | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
---|---|---|---|
1 | To understand deep learning basics | Gözlem, Anlatım, Soru-Cevap, | |
2 | To understand neural network types | Anlatım, Gezi / Gözlem, | |
3 | To design, train and test deep learning models | Anlatım, |
Hafta | Ders Konuları | Ön Hazırlık |
---|---|---|
1 | Giriş, Yapay Zeka, Makine Öğrenimi ve Derin Öğrenme | |
2 | Matematiksel arka plan, tensör işlemleri, aktivasyon fonksiyonları | |
3 | Gradyan inişi ve çeşitleri, kayıp fonksiyonları | |
4 | İleri beslemeli ağlar ve eğitim, Keras derin öğrenme kütüphanesi | |
5 | Veri ön işleme, düzenlileştirme yöntemleri | |
6 | Evrişimli sinir ağları (convnets) | |
7 | Transfer öğrenimi | |
8 | Metin işleme, Embedding layer | |
9 | Dizi işleme, Recurrent neural networks (RNN) | |
10 | Basit RNN, LSTM, GRU | |
11 | Keras functional API | |
12 | Üretken derin öğrenme | |
13 | Güncel derin öğrenme konuları | |
14 | Sunumlar |
Kaynaklar | |
---|---|
Ders Notu | |
Ders Kaynakları |
Sıra | Program Çıktıları | Katkı Düzeyi | |||||
---|---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | |||
1 | Yaşadığı toplumun bilgi toplumu olmasına katkıda bulunmak, toplumsal, bilimsel, kültürel ve etik sorunlara çözüm sunmak amaçlarıyla alanındaki bilimsel, teknolojik, sosyal veya kültürel ilerlemeleri ulusal ve uluslararası bilimsel ortamlarda (toplantılarda) tanıtır. | ||||||
2 | Alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, alanında güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgiye sahip olup ve elde ettiği bilgiyi değerlendirir, yorumlar ve uygular. | ||||||
3 | Alanı ile ilgili problemleri tanımlar ve formüle eder, yeni ve/veya özgün fikir ve yöntemler geliştirir; karmaşık sistem veya süreçleri tasarlar ve tasarımlarında yenilikçi/alternatif çözümler ile gelişmekte olan yenilikçi yöntemleri kullanır. | ||||||
4 | Kuramsal, deneysel ve modelleme esaslı araştırmaları tasarlar ve uygular, belirsiz, sınırlı ya da eksik verileri bilimsel yöntemlerle tamamlar; verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. | ||||||
5 | Alanındaki uygulamaların sosyal, çevresel, sağlık, güvenlik, hukuki boyutlarını ve iş hayatı uygulamalarını bilir ve bunların getirdiği kısıtların farkındadır. Disiplin içi ve çok disiplinli takımlarda etkin bir biçimde birlikte ve ya bağımsız çalışabilir ve sorumluluk alır. | ||||||
6 | Bilgi ve İletişim Teknolojileri konularında ileri uygulamaları yapacak düzeyde genişlemesine ve derinlemesine bilgi sahibidir. | ||||||
7 | Tanımlanmış bilgi ve iletişim teknolojileri problemlerini çözmek için yöntem geliştirir ve bu yenilikçi yöntemleri uygular. |
# | Ders Öğrenme Çıktılarının Program Çıktılarına Katkısı | PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 |
---|---|---|---|---|---|---|---|---|
1 | To understand deep learning basics | |||||||
2 | To understand neural network types | |||||||
3 | To design, train and test deep learning models |
Değerlendirme Sistemi | |
---|---|
Yarıyıl Çalışmaları | Katkı Oranı |
1. Ara Sınav | 40 |
1. Ödev | 10 |
2. Ödev | 10 |
1. Proje / Tasarım | 40 |
Toplam | 100 |
1. Yıl İçinin Başarıya | 50 |
1. Final | 50 |
Toplam | 100 |
AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
---|---|---|---|
Ödev | 2 | 9 | 18 |
Ara Sınav | 1 | 12 | 12 |
Proje / Tasarım | 1 | 10 | 10 |
Final | 1 | 14 | 14 |
Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) | 16 | 3 | 48 |
Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) | 16 | 3 | 48 |
Toplam İş Yükü | 150 | ||
Toplam İş Yükü / 25 (Saat) | 6 | ||
Dersin AKTS Kredisi | 6 |