Bu derste derin öğrenmeye giriş sunulmaktadır. Derin öğrenme modern sinir ağlarının geliştirilmesi ve uygulanmasıyla ilgilenen bir makine öğrenme dalıdır. Derste işlenen konular: temel sinir ağları; evrişimsel ve özyineli ağ yapıları; derin güdümsüz öğrenme; bilgisayarla görü, görüntü işleme ve doğal dil işleme gibi alanlardaki uygulamalar. Ders hem güdümlü hem de güdümsüz öğrenme görevleri için eğitim ve eniyileme stratejilerini içerecektir.
Dersin İçeriği
Bu ders; Makine Öğrenme ve Sinir Ağlarına Giriş,Sinir Ağlarının Eğitimi,Evrişimsel Sinir Ağları (ESA),ESA'daki Ağ Katmanları,Derin Öğrenme Donanım ve Yazılımları,Derin Öğrenme Mimarileri,Derin Öğrenme Stratejileri,Vize,Bilgisayarla Görü ve Derin Öğrenme,Görüntü İşleme ve Derin Öğrenme,Doğal Dil İşleme ve Derin Öğrenme,Özyineli Sinir Ağları ve LSTM'ler,Güdümsüz Öğrenme ve Üretici Modelleme,Derin Öğrenmenin Gelişmiş Uygulamalar; konularını içermektedir.
Dersin Öğrenme Kazanımları
Öğretim Yöntemleri
Ölçme Yöntemleri
Güdümlü/güdümsüz öğrenme için evrişimsel sinir ağları tasarlamak
12, 2, 21, 6, 9
A, E, F
Hiper-parametrelerin öğrenme başarımı üzerindeki etkilerini analiz etmek
12, 2, 21, 6, 9
A, E, F
Derin ağları eğitmek için öğrenme teknikleri uygulamak
12, 2, 21, 6, 9
A, E, F
Derin ağların bilgisayarla görü, görüntü işleme ve doğal dil işlemedeki uygulamalarını gerçekleyebilmek
2, 21, 6, 9
E, F
Derin öğrenme için güncel yazılım ve donanım araçlarını kullanabilmek
2, 21, 6, 9
E, F
Öğretim Yöntemleri:
12: Problem Çözme Yöntemi, 2: Proje Temelli Öğrenme Modeli, 21: Benzetim/Simülasyon Tekniği, 6: Deneyimle Öğrenme Modeli, 9: Anlatım Yöntemi
Ölçme Yöntemleri:
A: Klasik Yazılı Sınav, E: Ödev, F: Proje Görevi
Ders Akışı
Sıra
Konular
Ön Hazırlık
1
Makine Öğrenme ve Sinir Ağlarına Giriş
2
Sinir Ağlarının Eğitimi
3
Evrişimsel Sinir Ağları (ESA)
4
ESA'daki Ağ Katmanları
5
Derin Öğrenme Donanım ve Yazılımları
6
Derin Öğrenme Mimarileri
7
Derin Öğrenme Stratejileri
8
Vize
9
Bilgisayarla Görü ve Derin Öğrenme
10
Görüntü İşleme ve Derin Öğrenme
11
Doğal Dil İşleme ve Derin Öğrenme
12
Özyineli Sinir Ağları ve LSTM'ler
13
Güdümsüz Öğrenme ve Üretici Modelleme
14
Derin Öğrenmenin Gelişmiş Uygulamalar
Kaynak
Deep Learning, I. Goodfellow, Y. Bengio and A. Courville , MIT Press, http://www.deeplearningbook.org , 2016.
Machine Learning Yearning, Andrew Ng, http://www.mlyearning.org/, Intel® AI Academy Deep Learning 501 https://software.intel.com/en-us/ai-academy/students/kits/deep-learning-501
Dersin Program Yeterliliklerine Katkısı
Dersin Program Yeterliliklerine Katkısı
No
Program Yeterliliği
Katkı Düzeyi
1
2
3
4
5
1
Mühendislik alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgiyi değerlendirir, yorumlar ve uygular.
X
2
Mühendislikte uygulanan güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgi sahibidir ve mühendisliğin ilişki kurduğu disiplinler arası etkileşimi kavrayabilir.
X
3
Analitik, modelleme ve deneysel esaslı araştırmaları tasarlar ve uygular; bu süreçte karşılaşılan karmaşık durumları yorumlar, yeni ve özgün fikirler geliştirerek çözümler.
X
4
Sınırlı ya da eksik verileri kullanarak bilimsel yöntemlerle bilgiyi tamamlar ve uygular; değişik disiplinlere ait bilgileri bütünleştirir.
X
5
Mühendislik ile ilgili uzmanlık gerektiren bir çalışmayı bağımsız olarak yürütebilir.
6
Çok disiplinli takımlarda liderlik yapar, çözüm yaklaşımları geliştirir ve sorumluluk alır.
7
Mesleğinin yeni ve gelişmekte olan uygulamalarının farkındadır; gerektiğinde bunları inceler ve öğrenir.
X
8
Bilimsel bilgi birikimini yazılı ve sözlü olarak etkin bir şekilde ifade eder, en az bir yabancı dilde Avrupa Dil Portföyü B2 Genel Düzeyinde iletişim kurar ve iletişim teknolojilerini ileri düzeyde kullanır
9
Mühendislik uygulamalarının sosyal ve çevresel boyutlarını betimler.
10
Verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir.
Değerlendirme Sistemi
Katkı Düzeyi
Mutlak Değerlendirme
Ara Sınavın Başarıya Oranı
50
Genel Sınavın Başarıya Oranı
50
Toplam
100
AKTS / İşyükü Tablosu
Etkinlik
Sayı
Süresi (Saat)
Toplam İş Yükü (Saat)
Ders Saati
14
3
42
Rehberli Problem Çözme
0
0
0
Problem Çözümü / Ödev / Proje / Rapor Tanzimi
5
20
100
Okul Dışı Diğer Faaliyetler
14
3
42
Proje Sunumu / Seminer
0
0
0
Kısa Sınav (QUİZ) ve Hazırlığı
0
0
0
Ara Sınav ve Hazırlığı
1
20
20
Genel Sınav ve Hazırlığı
1
30
30
Performans Görevi, Bakım Planı
0
0
0
Toplam İş Yükü (Saat)
234
Dersin AKTS Kredisi = Toplam İş Yükü (Saat)/30*=(234/30)
8
Dersin AKTS Kredisi: *30 saatlik çalışma 1 AKTS kredisi sayılmaktadır.
Dersin Detaylı Bilgileri
Ders Tanımı
Ders
Kodu
Yarıyıl
T+U Saat
Kredi
AKTS
DERİN ÖĞRENME
-
Bahar Dönemi
3+0
3
8
Ders Programı
Ön Koşul Dersleri
Önerilen Seçmeli Dersler
Dersin Dili
İngilizce
Dersin Seviyesi
Yüksek Lisans
Dersin Türü
Programa Bağlı Seçmeli
Dersin Koordinatörü
Dersi Verenler
Dersin Yardımcıları
Dersin Amacı
Bu derste derin öğrenmeye giriş sunulmaktadır. Derin öğrenme modern sinir ağlarının geliştirilmesi ve uygulanmasıyla ilgilenen bir makine öğrenme dalıdır. Derste işlenen konular: temel sinir ağları; evrişimsel ve özyineli ağ yapıları; derin güdümsüz öğrenme; bilgisayarla görü, görüntü işleme ve doğal dil işleme gibi alanlardaki uygulamalar. Ders hem güdümlü hem de güdümsüz öğrenme görevleri için eğitim ve eniyileme stratejilerini içerecektir.
Dersin İçeriği
Bu ders; Makine Öğrenme ve Sinir Ağlarına Giriş,Sinir Ağlarının Eğitimi,Evrişimsel Sinir Ağları (ESA),ESA'daki Ağ Katmanları,Derin Öğrenme Donanım ve Yazılımları,Derin Öğrenme Mimarileri,Derin Öğrenme Stratejileri,Vize,Bilgisayarla Görü ve Derin Öğrenme,Görüntü İşleme ve Derin Öğrenme,Doğal Dil İşleme ve Derin Öğrenme,Özyineli Sinir Ağları ve LSTM'ler,Güdümsüz Öğrenme ve Üretici Modelleme,Derin Öğrenmenin Gelişmiş Uygulamalar; konularını içermektedir.
Dersin Öğrenme Kazanımları
Öğretim Yöntemleri
Ölçme Yöntemleri
Güdümlü/güdümsüz öğrenme için evrişimsel sinir ağları tasarlamak
12, 2, 21, 6, 9
A, E, F
Hiper-parametrelerin öğrenme başarımı üzerindeki etkilerini analiz etmek
12, 2, 21, 6, 9
A, E, F
Derin ağları eğitmek için öğrenme teknikleri uygulamak
12, 2, 21, 6, 9
A, E, F
Derin ağların bilgisayarla görü, görüntü işleme ve doğal dil işlemedeki uygulamalarını gerçekleyebilmek
2, 21, 6, 9
E, F
Derin öğrenme için güncel yazılım ve donanım araçlarını kullanabilmek
2, 21, 6, 9
E, F
Öğretim Yöntemleri:
12: Problem Çözme Yöntemi, 2: Proje Temelli Öğrenme Modeli, 21: Benzetim/Simülasyon Tekniği, 6: Deneyimle Öğrenme Modeli, 9: Anlatım Yöntemi
Ölçme Yöntemleri:
A: Klasik Yazılı Sınav, E: Ödev, F: Proje Görevi
Ders Akışı
Sıra
Konular
Ön Hazırlık
1
Makine Öğrenme ve Sinir Ağlarına Giriş
2
Sinir Ağlarının Eğitimi
3
Evrişimsel Sinir Ağları (ESA)
4
ESA'daki Ağ Katmanları
5
Derin Öğrenme Donanım ve Yazılımları
6
Derin Öğrenme Mimarileri
7
Derin Öğrenme Stratejileri
8
Vize
9
Bilgisayarla Görü ve Derin Öğrenme
10
Görüntü İşleme ve Derin Öğrenme
11
Doğal Dil İşleme ve Derin Öğrenme
12
Özyineli Sinir Ağları ve LSTM'ler
13
Güdümsüz Öğrenme ve Üretici Modelleme
14
Derin Öğrenmenin Gelişmiş Uygulamalar
Kaynak
Deep Learning, I. Goodfellow, Y. Bengio and A. Courville , MIT Press, http://www.deeplearningbook.org , 2016.
Machine Learning Yearning, Andrew Ng, http://www.mlyearning.org/, Intel® AI Academy Deep Learning 501 https://software.intel.com/en-us/ai-academy/students/kits/deep-learning-501
Dersin Program Yeterliliklerine Katkısı
Dersin Program Yeterliliklerine Katkısı
No
Program Yeterliliği
Katkı Düzeyi
1
2
3
4
5
1
Mühendislik alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgiyi değerlendirir, yorumlar ve uygular.
X
2
Mühendislikte uygulanan güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgi sahibidir ve mühendisliğin ilişki kurduğu disiplinler arası etkileşimi kavrayabilir.
X
3
Analitik, modelleme ve deneysel esaslı araştırmaları tasarlar ve uygular; bu süreçte karşılaşılan karmaşık durumları yorumlar, yeni ve özgün fikirler geliştirerek çözümler.
X
4
Sınırlı ya da eksik verileri kullanarak bilimsel yöntemlerle bilgiyi tamamlar ve uygular; değişik disiplinlere ait bilgileri bütünleştirir.
X
5
Mühendislik ile ilgili uzmanlık gerektiren bir çalışmayı bağımsız olarak yürütebilir.
6
Çok disiplinli takımlarda liderlik yapar, çözüm yaklaşımları geliştirir ve sorumluluk alır.
7
Mesleğinin yeni ve gelişmekte olan uygulamalarının farkındadır; gerektiğinde bunları inceler ve öğrenir.
X
8
Bilimsel bilgi birikimini yazılı ve sözlü olarak etkin bir şekilde ifade eder, en az bir yabancı dilde Avrupa Dil Portföyü B2 Genel Düzeyinde iletişim kurar ve iletişim teknolojilerini ileri düzeyde kullanır
9
Mühendislik uygulamalarının sosyal ve çevresel boyutlarını betimler.
10
Verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir.
