Ana içeriğe atla

Ders Detayı

Ders Tanımı

DersKoduYarıyılT+U SaatKrediAKTS
DERİN ÖĞRENMEYE GİRİŞ-Bahar Dönemi3+036
Ders Programı
Ön Koşul Dersleri
Önerilen Seçmeli Dersler
Dersin Diliİngilizce
Dersin SeviyesiLisans
Dersin TürüPrograma Bağlı Seçmeli
Dersin KoordinatörüProf.Dr. Bahadır Kürşat GÜNTÜRK
Dersi VerenlerProf.Dr. Bahadır Kürşat GÜNTÜRK
Dersin Yardımcıları
Dersin AmacıBu 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 İçeriğiBu 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,Bilgisayarla görü uygulamaları,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 Öğrenme KazanımlarıÖğretim YöntemleriÖlçme Yöntemleri
Güdümlü/güdümsüz öğrenme için evrişimsel sinir ağları tasarlamak2, 21, 6, 9A, E, F
Hiper-parametrelerin öğrenme başarımı üzerindeki etkilerini analiz etmek12, 2, 21, 6, 9A, E, F
Derin ağları eğitmek için öğrenme teknikleri uygulamak12, 2, 21, 6, 9A, E, F
Derin ağların bilgisayarla görü, görüntü işleme ve doğal dil işlemedeki uygulamalarını tanımak2, 21, 6, 9E, F
Derin öğrenme için güncel yazılım ve donanım araçlarını kullanabilmek 2, 21, 6, 9E, 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

SıraKonularÖn Hazırlık
1Makine Öğrenme ve Sinir Ağlarına Giriş
2Sinir Ağlarının Eğitimi
3Evrişimsel Sinir Ağları (ESA)
4ESA'daki Ağ Katmanları
5Derin Öğrenme Donanım ve Yazılımları
6Derin Öğrenme Mimarileri
7Derin Öğrenme Stratejileri
8Bilgisayarla görü uygulamaları
9Bilgisayarla Görü ve Derin Öğrenme
10Görüntü İşleme ve Derin Öğrenme
11Doğal Dil İşleme ve Derin Öğrenme
12Özyineli Sinir Ağları ve LSTM'ler
13Güdümsüz Öğrenme ve Üretici Modelleme
14Derin 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
NoProgram Yeterliliği Katkı Düzeyi
12345
1
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
2
2. Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi
X
3
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
4
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
5
5. Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi
6
6. Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi
X
7
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
8
8. Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi
X
9
9. Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi
10
10. Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi
11
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 DüzeyiMutlak Değerlendirme
Ara Sınavın Başarıya Oranı 30
Genel Sınavın Başarıya Oranı 70
Toplam 100
AKTS / İşyükü Tablosu
EtkinlikSayıSüresi (Saat)Toplam İş Yükü (Saat)
Ders Saati14342
Rehberli Problem Çözme000
Problem Çözümü / Ödev / Proje / Rapor Tanzimi51260
Okul Dışı Diğer Faaliyetler14228
Proje Sunumu / Seminer000
Kısa Sınav (QUİZ) ve Hazırlığı000
Ara Sınav ve Hazırlığı12020
Genel Sınav ve Hazırlığı13030
Performans Görevi, Bakım Planı000
Toplam İş Yükü (Saat)180
Dersin AKTS Kredisi = Toplam İş Yükü (Saat)/30*=(180/30)6
Dersin AKTS Kredisi: *30 saatlik çalışma 1 AKTS kredisi sayılmaktadır.

Dersin Detaylı Bilgileri

Ders Tanımı

DersKoduYarıyılT+U SaatKrediAKTS
DERİN ÖĞRENMEYE GİRİŞ-Bahar Dönemi3+036
Ders Programı
Ön Koşul Dersleri
Önerilen Seçmeli Dersler
Dersin Diliİngilizce
Dersin SeviyesiLisans
Dersin TürüPrograma Bağlı Seçmeli
Dersin KoordinatörüProf.Dr. Bahadır Kürşat GÜNTÜRK
Dersi VerenlerProf.Dr. Bahadır Kürşat GÜNTÜRK
Dersin Yardımcıları
Dersin AmacıBu 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 İçeriğiBu 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,Bilgisayarla görü uygulamaları,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 Öğrenme KazanımlarıÖğretim YöntemleriÖlçme Yöntemleri
Güdümlü/güdümsüz öğrenme için evrişimsel sinir ağları tasarlamak2, 21, 6, 9A, E, F
Hiper-parametrelerin öğrenme başarımı üzerindeki etkilerini analiz etmek12, 2, 21, 6, 9A, E, F
Derin ağları eğitmek için öğrenme teknikleri uygulamak12, 2, 21, 6, 9A, E, F
Derin ağların bilgisayarla görü, görüntü işleme ve doğal dil işlemedeki uygulamalarını tanımak2, 21, 6, 9E, F
Derin öğrenme için güncel yazılım ve donanım araçlarını kullanabilmek 2, 21, 6, 9E, 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

SıraKonularÖn Hazırlık
1Makine Öğrenme ve Sinir Ağlarına Giriş
2Sinir Ağlarının Eğitimi
3Evrişimsel Sinir Ağları (ESA)
4ESA'daki Ağ Katmanları
5Derin Öğrenme Donanım ve Yazılımları
6Derin Öğrenme Mimarileri
7Derin Öğrenme Stratejileri
8Bilgisayarla görü uygulamaları
9Bilgisayarla Görü ve Derin Öğrenme
10Görüntü İşleme ve Derin Öğrenme
11Doğal Dil İşleme ve Derin Öğrenme
12Özyineli Sinir Ağları ve LSTM'ler
13Güdümsüz Öğrenme ve Üretici Modelleme
14Derin 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
NoProgram Yeterliliği Katkı Düzeyi
12345
1
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
2
2. Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi
X
3
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
4
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
5
5. Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi
6
6. Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi
X
7
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
8
8. Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi
X
9
9. Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi
10
10. Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi
11
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 DüzeyiMutlak Değerlendirme
Ara Sınavın Başarıya Oranı 30
Genel Sınavın Başarıya Oranı 70
Toplam 100

Sayısal Veriler

Ekleme Tarihi: 06/07/2022 - 16:45Son Güncelleme Tarihi: 09/10/2023 - 10:50