Ders Detayı
Ders Tanımı
| Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| DERİN ÖĞRENMEYE GİRİŞ | 3+0 | 3 | 6 |
| Ders Programı |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler |
| Dersin Dili | İngilizce |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Programa Bağlı Seçmeli |
| Dersin Koordinatörü | Prof.Dr. Bahadır Kürşat GÜNTÜRK |
| Dersi Verenler | Prof.Dr. Bahadır Kürşat GÜNTÜRK |
| 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 Uygulamaları; konularını içermektedir. |
| Dersin İçeriği | Öğretim Yöntemleri | Ölçme Yöntemleri |
| Güdümlü/güdümsüz öğrenme için evrişimsel sinir ağları tasarlamak | 1, 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 tanımak | 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 |
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 Uygulamaları |
| 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 | |||
| 0 | 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 | |||||
| 0 | 2. Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi | X | |||||
| 0 | 3. 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 | |||||
| 0 | 4. 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 | |||||
| 0 | 5. Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi | ||||||
| 0 | 6. Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi | X | |||||
| 0 | 7. 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 | X | |||||
| 0 | 8. Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi | X | |||||
| 0 | 9. Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi | ||||||
| 0 | 10. Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi | ||||||
| 0 | 11. 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 | ||||||
Değerlendirme Sistemi
| Katkı Düzeyi | Mutlak Değerlendirme | |
| Ara Sınavın Başarıya Oranı | 30 | |
| Genel Sınavın Başarıya Oranı | 70 | |
| Toplam | 100 | |