| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Derin Öğrenme | VBA 301 | 5 | 3 + 0 | 3 | 5 |
| Ön Koşul Dersleri | ||
| Önerilen Seçmeli Dersler | ||
| Dersin Dili | Türkçe | |
| Dersin Seviyesi | Lisans | |
| Dersin Türü | Zorunlu | |
| Dersin Koordinatörü | Arş.Gör. YASİN ALTUNBAŞAK | |
| Dersi Verenler | ||
| Dersin Yardımcıları | ||
| Dersin Kategorisi | Diğer | |
| Dersin Amacı | ||
| Dersin İçeriği |
|
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Derin öğrenme konusunda temel kavramları anlar ve tanımlar. | ||
| 2 | Yapay sinir ağları, evrişimsel sinir ağları gibi farklı mimarileri öğrenir. | ||
| 3 | Python programlama dili ile derin öğrenme uygulamaları geliştirir. | ||
| 4 | Derin öğrenme uygulamalarında yaygın olarak faydalanılan kütüphaneleri ve araçları kullanır. | ||
| 5 | Derin öğrenme modellerini eğitmek ve doğrulamak için hiperparametre optimizasyonlarını uygular. | ||
| 6 | Derin öğrenme alanındaki özyineli sinir ağlar ve varyasyonel otokodlayıcılar gibi güncel konuları takip eder. |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Derin Öğrenme Nedir | |
| 2 | Derin Öğrenme Kullanım Alanları | |
| 3 | Yapay Sinir Ağları (Tek katmanlı) | |
| 4 | Yapay Sinir Ağları (Çok katmanlı) | |
| 5 | Evrişimsel Sinir Ağları Genel Bakış | |
| 6 | Evrişimsel Sinir Ağları Mimari | |
| 7 | Derin Öğrenme Donanım ve Yazılımları | |
| 8 | Python Programlama Diline Giriş | |
| 9 | Python Programlama Dili ile Uygulama Geliştirme | |
| 10 | Python ile Tensor İşlemleri, Keras ve Pytorch Derin Öğrenme Kütüphanesi | |
| 11 | Hiperparametre Optimizasyonları | |
| 12 | Özyineli Sinir Ağları ve LSTM’ler | |
| 13 | Varyasyonel Otokodlayıcılar | |
| 14 | Çekişmeli Üretici Ağlar |
| Kaynaklar | |
|---|---|
| Ders Notu | |
| Ders Kaynakları | |
| Sıra | Program Çıktıları | Katkı Düzeyi | |||||
|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | Veri Biliminde matematik konusunda yeterli bilgi birikimine ve bu alandaki kuramsal ve uygulamalı bilgileri, karmaşık veri bilimi problemlerinin çözümünde kullanabilme becerisine sahiptir. | ||||||
| 2 | Bilimsel araştırma yapabilme yeteneği ile elde edilen bilgiyi derinlemesine analiz edebilir ve yorumlayabilir | ||||||
| 3 | Analitik, modelleme ve deneysel araştırmaların tasarlanması ve uygulanması konusunda yetkinliğe; karmaşık veri setlerini analiz etme ve yorumlama yeteneğine sahiptir | ||||||
| 4 | Eksik veya kısıtlı veri setleriyle çalışarak bilgiyi tamamlayabilir ve farklı disiplinlerden gelen bilgileri entegre edebilir | ||||||
| 5 | Veri bilimi ve analitiği problemlerini tanımlama ve çözme becerisi için gerekli programlama becerisine sahiptir | ||||||
| 6 | Çok disiplinli takımlarda liderlik yapabilme, karmaşık problemlere yönelik çözüm stratejileri geliştirebilme, sorumluluk alma ve takım çalışmasına katkı sağlama becerisine sahiptir | ||||||
| 7 | Yenilikçi fikirler ve yöntemler geliştirme kabiliyetine; veri bilimi ve analitiği alanında veri işleme süreçlerinde yeni yaklaşımlar ortaya koyabilme becerisine sahiptir | ||||||
| 8 | Gereksinim duyulan veri ve bilgileri tanımlama, erişme ve değerlendirme, veri yönetimi ve analitiği alanında yetkindir. | ||||||
| 9 | Veri bilimi ve analitiği alanındaki güncel gelişmeleri takip edebilir, öğrenme ve yeni teknolojileri hızlı bir şekilde adapte edebilir | ||||||
| 10 | Yapılan çalışmaların sonuçlarını etkili bir şekilde aktarabilir ve teknik ve karmaşık konuları anlaşılır bir şekilde sunabilir | ||||||
| 11 | Veri bilimi ve analitiği uygulamalarının sosyal ve çevresel etkilerinin farkındadır ve bu bağlamda uyum sağlayabilir | ||||||
| 12 | Veri toplama, analiz etme ve raporlama süreçlerinde toplumsal, bilimsel ve etik değerler hakkında bilgi sahibidir; etik ilkeleri gözetir ve toplumun faydasını ön planda tutar | ||||||
| # | Ders Öğrenme Çıktılarının Program Çıktılarına Katkısı | PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | PÇ 11 | PÇ 12 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | Derin öğrenme konusunda temel kavramları anlar ve tanımlar. | ||||||||||||
| 2 | Yapay sinir ağları, evrişimsel sinir ağları gibi farklı mimarileri öğrenir. | ||||||||||||
| 3 | Python programlama dili ile derin öğrenme uygulamaları geliştirir. | ||||||||||||
| 4 | Derin öğrenme uygulamalarında yaygın olarak faydalanılan kütüphaneleri ve araçları kullanır. | ||||||||||||
| 5 | Derin öğrenme modellerini eğitmek ve doğrulamak için hiperparametre optimizasyonlarını uygular. | ||||||||||||
| 6 | Derin öğrenme alanındaki özyineli sinir ağlar ve varyasyonel otokodlayıcılar gibi güncel konuları takip eder. |
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| 1. Ara Sınav | 40 |
| Toplam | 40 |
| 1. Final | 60 |
| Toplam | 60 |
| AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
|---|