| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Derin Öğrenme | VBY 501 | 0 | 3 + 0 | 3 | 6 |
| Ön Koşul Dersleri | Python Programlama |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | YUKSEK_LISANS |
| Dersin Türü | Seçmeli |
| Dersin Koordinatörü | Dr.Öğr.Üyesi ULAŞ YURTSEVER |
| Dersi Verenler | |
| Dersin Yardımcıları | |
| Dersin Kategorisi | Alanına Uygun Öğretim |
| 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. |
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Derin öğrenme hakkında temel konuları bilir | Anlatım, Soru-Cevap, Beyin Fırtınası, | |
| 2 | Derin öğrenmede kullanılan ağ yapılarını bilir | Anlatım, Soru-Cevap, Beyin Fırtınası, | |
| 3 | Derin öğrenme ile ilgili açık kaynak kütüphanelerle uygulama geliştirir | Anlatım, Soru-Cevap, Beyin Fırtınası, |
| 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 | Sunumlar | |
| 14 | Sunumlar |
| Kaynaklar | |
|---|---|
| Ders Notu | |
| Ders Kaynakları | Goodfellow, Ian, et al. Deep learning. Vol. 1. Cambridge: MIT press, 2016. Chollet, Francois. Deep learning with python. Manning Publications Co., 2017. |
| # | Ders Öğrenme Çıktılarının Program Çıktılarına Katkısı |
|---|---|
| 1 | Derin öğrenme hakkında temel konuları bilir |
| 2 | Derin öğrenmede kullanılan ağ yapılarını bilir |
| 3 | Derin öğrenme ile ilgili açık kaynak kütüphanelerle uygulama geliştirir |
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| 1. Ara Sınav | 100 |
| Toplam | 100 |
| 1. Yıl İçinin Başarıya | 35 |
| 1. Final | 65 |
| 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 | 12 | 12 |
| Proje / Tasarım | 1 | 16 | 16 |
| Final | 1 | 16 | 16 |
| Toplam İş Yükü | 140 | ||
| Toplam İş Yükü / 25 (Saat) | 5,6 | ||
| dersAKTSKredisi | 6 | ||