| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Derin Öğrenme ve Evrişimli Sinir Ağları | BSM 432 | 8 | 3 + 0 | 3 | 5 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Seçmeli |
| Dersin Koordinatörü | Dr.Öğr.Üyesi ULAŞ YURTSEVER |
| Dersi Verenler | |
| Dersin Yardımcıları | |
| Dersin Kategorisi | Alanına Uygun Öğretim |
| Dersin Amacı | Derin öğrenme hakkında matematiksel temelleri öğretmek, derin öğrenme ile ilgili açık kaynak kütüphaneleri kullanabilmek, derin öğrenme uygulaması geliştirebilmek.
|
| Dersin İçeriği | Matematiksel temeller, tensor işlemleri, Graident descent, backpropagation, Keras deeplearning kütüphanesi ve kullanım örnekleri, Makine öğrenmesi modelleri, Konvolüsyon (evrişim) Sinir Ağları (convnets convolutional neural networks), Ön eğitimli convnet ile özellik çıkarma, convnet görselleştirme, Metin verisi ile derin öğrenme, recurrent neural networks, Dizi işleme için 1D convnets , Keras functional API, Keras fonksiyonlarınını kullanımı, TensorBoard görselleştirme aracı, Üretken (generative) derin öğrenme |
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Derin öğrenme hakkında temel konuları bilir | Anlatım, Soru-Cevap, Beyin Fırtınası, Tartışma, | |
| 2 | Derin öğrenmede kullanılan ağ yapılarını bilir | Tartışma, Beyin Fırtınası, Soru-Cevap, Anlatım, | |
| 3 | Derin öğrenme ile ilgili açık kaynak kütüphanelerle uygulama geliştirir | Tartışma, Beyin Fırtınası, Soru-Cevap, Anlatım, |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Yapay zeka, makine öğrenmesi ve derin öğrenmeye genel bakış | |
| 2 | Matematiksel temeller, Gradient descent algoritmaları, kayıp fonksiyonları, backpropagation | |
| 3 | Python ile tensor işlemleri, Keras derin öğrenme kütüphanesi | |
| 4 | Makine öğrenmesi temelleri, Çok etiketli sınıflandırma, Regresyon | |
| 5 | Veri önişleme, aşırı uydurma, düzenlileştirme, dropout | |
| 6 | Convolutional (evrişimli) Sinir Ağları (convnets), pooling | |
| 7 | Görüntü verilerinin zenginleştirilmesi, ön eğitimli (pretrained) ağlar | |
| 8 | İnce ayar, konvlüsyon filtrelerinin görselleştirilmesi, Metin verisi ile derin öğrenme | |
| 9 | Recurrent neural networks, LSTM ve GRU | |
| 10 | 1D convnets ile dizi işleme | |
| 11 | Keras functional API, Çok girişli veya çok çıkışlı modeller | |
| 12 | Üretken (generative) derin öğrenme | |
| 13 | Sunumlar | |
| 14 | Sunumlar |
| Kaynaklar | |
|---|---|
| Ders Notu | Haftalık yüklenen sunumlar |
| Ders Kaynakları | Goodfellow, Ian, et al. Deep learning. Vol. 1. Cambridge: MIT press, 2016. Chollet, Francois. Deep learning with python. Manning Publications Co., 2017. |
| Sıra | Program Çıktıları | Katkı Düzeyi | |||||
|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |||
| 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. | ||||||
| 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. | ||||||
| 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. | ||||||
| 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 | Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi. | X | |||||
| 4 | Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi. | ||||||
| 8 | Yaşam boyu öğrenmenin gerekliliği konusunda farkındalık; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi. | X | |||||
| 12 | Bilişim Teknolojilerinin yönetim, denetim, gelişim ve güvenliği/güvenilirliği hakkında bilgi sahibi olma ve farkındalık, | X | |||||
| # | Ders Öğrenme Çıktılarının Program Çıktılarına Katkısı | PÇ 3 | PÇ 3 | PÇ 3 | PÇ 3 | PÇ 4 | PÇ 4 | PÇ 8 | PÇ 12 |
|---|---|---|---|---|---|---|---|---|---|
| 1 | Derin öğrenme hakkında temel konuları bilir | 5 | 5 | 5 | 5 | 5 | 5 | 2 | 0 |
| 2 | Derin öğrenmede kullanılan ağ yapılarını bilir | 5 | 5 | 5 | 5 | 5 | 5 | 1 | 0 |
| 3 | Derin öğrenme ile ilgili açık kaynak kütüphanelerle uygulama geliştirir | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 1 |
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| 1. Proje / Tasarım | 60 |
| 1. Ara Sınav | 35 |
| 1. Kısa Sınav | 5 |
| Toplam | 100 |
| 1. Final | 50 |
| 1. Yıl İçinin Başarıya | 50 |
| Toplam | 100 |
| AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) | 16 | 3 | 48 |
| Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) | 16 | 2 | 32 |
| Ara Sınav | 1 | 10 | 10 |
| Final | 1 | 20 | 20 |
| Proje / Tasarım | 1 | 15 | 15 |
| Toplam İş Yükü | 125 | ||
| Toplam İş Yükü / 25 (Saat) | 5 | ||
| dersAKTSKredisi | 5 | ||