Geri
AKADEMİK
Geri Dön

Ders Tanımı

Ders Kodu Yarıyıl T+U Saat Kredi AKTS
DERİN ÖĞRENME 3+0 3 8
Ders Programi Henüz Hazırlanmamıştır.
Ön Koşul Dersleri
Önerilen Seçmeli Dersler Türev analiz, Doğrusal cebir, Olasılık, Python programlama giriş seviyede bilgi, Makine öğrenme
Dersin Dili İngilizce
Dersin Seviyesi Yüksek Lisans
Dersin Türü Programa Bağlı Seçmeli
Dersin Koordinatörü Prof.Dr. Hasan Fehmi ATEŞ
Dersi Verenler Prof.Dr. Hasan Fehmi ATEŞ
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 1, 15, 16, 4, 9 A, C, D
Hiper-parametrelerin öğrenme başarımı üzerindeki etkilerini analiz etmek 1, 15, 16, 4, 9 A, C, D
Derin ağları eğitmek için öğrenme teknikleri uygulamak 1, 15, 16, 4, 9 A, C, D
Derin ağların bilgisayarla görü, görüntü işleme ve doğal dil işlemedeki uygulamalarını gerçekleyebilmek 1, 16, 4, 9 C, D
Derin öğrenme için güncel yazılım ve donanım araçlarını kullanabilmek 1, 16, 4, 9 C, D
Öğretim Yöntemleri: 1: Anlatım, 15: Problem Çözme, 16: Proje Temelli Öğrenme, 4: Alıştırma ve Uygulama, 9: Benzetim
Ölçme Yöntemleri: A: Yazılı sınav, C: Ödev, D: Proje / Tasarım
Haftalık ders konuları ve öğrenim hedefleri için tıklayınız.

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
Kaynaklar
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
0
Mühendislik alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgiyi değerlendirir, yorumlar ve uygular.
X
0
Mühendislikte uygulanan güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgi sahibidir ve mühendisliğin ilişki kurduğu disiplinler arası etkileşimi kavrayabilir.
X
0
Analitik, modelleme ve deneysel esaslı araştırmaları tasarlar ve uygular; bu süreçte karşılaşılan karmaşık durumları yorumlar, yeni ve özgün fikirler geliştirerek çözümler.
X
0
Sınırlı ya da eksik verileri kullanarak bilimsel yöntemlerle bilgiyi tamamlar ve uygular; değişik disiplinlere ait bilgileri bütünleştirir.
X
0
Mühendislik ile ilgili uzmanlık gerektiren bir çalışmayı bağımsız olarak yürütebilir.
0
Çok disiplinli takımlarda liderlik yapar, çözüm yaklaşımları geliştirir ve sorumluluk alır.
0
Mesleğinin yeni ve gelişmekte olan uygulamalarının farkındadır; gerektiğinde bunları inceler ve öğrenir.
X
0
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
0
Mühendislik uygulamalarının sosyal ve çevresel boyutlarını betimler.
0
Verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir.

Değerlendirme Sistemi

Değerlendirme Sistemi Mutlak Değerlendirme
Ara Sınavın Başarıya Oranı   50
Genel Sınavın Başarıya Oranı   50
Toplam   100

AKTS - işyükü

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
Oku 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*=(48/30) 8
Dersin AKTS Kredisi: *30 saatlik çalışma 1 AKTS kredisi sayılmaktadır.

Sayısal Veriler

Öğrenci Başarı Durumu