Geri
AKADEMİK
Geri Dön

Ders Tanımı

Ders Kodu Yarıyıl T+U Saat Kredi AKTS
DERİN ÖĞRENMEYE GİRİŞ 3+0 3 6,0
Ders Programi Henüz Hazırlanmamıştır.
Ön Koşul Dersleri
Önerilen Seçmeli Dersler Türev analiz, DoÄŸrusal cebir, Olasılık, Python programlama giriÅŸ seviyede bilgi.
Dersin Dili Ä°ngilizce
Dersin Seviyesi Lisans
Dersin Türü Programa BaÄŸlı Seçmeli
Dersin Koordinatörü Prof.Dr. Hasan Fehmi ATEŞ
Dersi Verenler Prof.Dr. Hasan Fehmi ATEŞ
Dersin Yardımcıları
Dersin Amacı Bu derste derin öğrenmeye giriÅŸ sunulmaktadır. Derin öğrenme modern sinir aÄŸlarının geliÅŸtirilmesi ve uygulanmasıyla ilgilenen bir makine öğrenme dalıdır. Derste iÅŸlenen konular: temel sinir aÄŸları; evriÅŸimsel ve özyineli aÄŸ yapıları; derin güdümsüz öğrenme; bilgisayarla görü, görüntü iÅŸleme ve doÄŸal dil iÅŸleme gibi alanlardaki uygulamalar. Ders hem güdümlü hem de güdümsüz öğrenme görevleri için eÄŸitim ve eniyileme stratejilerini içerecektir.
Dersin İçeriği Bu ders; Makine Öğrenme ve Sinir AÄŸlarına GiriÅŸ,Sinir AÄŸlarının EÄŸitimi,EvriÅŸimsel Sinir AÄŸları (ESA),ESA'daki AÄŸ Katmanları,Derin Öğrenme Donanım ve Yazılımları,Derin Öğrenme Mimarileri,Derin Öğrenme Stratejileri,Vize,Bilgisayarla Görü ve Derin Öğrenme,Görüntü Ä°ÅŸleme ve Derin Öğrenme,DoÄŸal Dil Ä°ÅŸleme ve Derin Öğrenme,Özyineli Sinir AÄŸları ve LSTM'ler,Güdümsüz Öğrenme ve Ãœretici Modelleme,Derin Öğrenmenin GeliÅŸmiÅŸ Uygulamaları; konularını içermektedir.
Dersin Öğrenme Kazanımları 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
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 Uygulamaları
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
Matematik, fen bilimleri ve ilgili mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanabilme becerisi
0
Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi
0
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
0
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
0
Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi
0
Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi
0
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
0
Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi
0
Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi
0
Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi
0
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
0
İnsan vücudunu anlama ve onarmada mühendisliğin ilkelerini uygulama ve karar verme yetisi

Değerlendirme Sistemi

Değerlendirme Sistemi Mutlak Değerlendirme
Ara Sınavın Başarıya Oranı   30
Genel Sınavın Başarıya Oranı   70
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 12 60
Oku Dışı Diğer Faaliyetler 14 2 28
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) 180
Dersin AKTS Kredisi = Toplam İş Yükü (Saat)/30*=(48/30) 6,0
Dersin AKTS Kredisi: *30 saatlik çalışma 1 AKTS kredisi sayılmaktadır.

Sayısal Veriler

Öğrenci Başarı Durumu