GERİ DÖN

Ders Öğretim Planı

Dersin Kodu Dersin Adı Dersin Türü Yıl Yarıyıl AKTS Kredi
YZM504 Derin Öğrenme Seçmeli Ders Grubu 1 1 6.00 3.00

Dersin Seviyesi

Yüksek Lisans

Dersin Sunulduğu Dil

Türkçe

Dersin Amacı

Bu dersin amacı, öğrencilere derin öğrenme temellerini ve yöntemlerini öğretmek, yapay sinir ağları, evrişimli sinir ağları, rekurrent sinir ağları gibi derin öğrenme modellerine odaklanmak, optimizasyon algoritmaları, aktivasyon fonksiyonları, kayıp fonksiyonları gibi önemli konuları incelemek, transfer öğrenme, sentetik veri üretimi, derin öğrenme uygulamaları gibi pratik alanları keşfetmektir.

Dersi Veren Öğretim GörevlisiGörevlileri

-

Öğrenme Çıktıları

1 Derin öğrenme kavramlarını ve temel prensiplerini anlama becerisi geliştirmek.
2 Derin öğrenme mimarilerini, yapay sinir ağlarını ve derin öğrenme modellerini anlama ve uygulama yetkinliği kazanmak.
3 Derin öğrenme uygulamaları için veri hazırlama, model eğitimi ve model değerlendirme becerisi geliştirmek.
4 Gelişmiş derin öğrenme tekniklerini öğrenmek ve uygulama yetkinliği kazanmak.
5 Derin öğrenme projelerini yönetme ve sunma becerisi geliştirmek.

Öğrenim Türü

Birinci Öğretim

Dersin Ön Koşulu Olan Dersler

YOK

Ders İçin Önerilen Diğer Hususlar

YOK

Dersin İçeriği

Bu dersin amacı, öğrencilere derin öğrenme temellerini ve yöntemlerini öğretmek, yapay sinir ağları, evrişimli sinir ağları, rekurrent sinir ağları gibi derin öğrenme modellerine odaklanmak, optimizasyon algoritmaları, aktivasyon fonksiyonları, kayıp fonksiyonları gibi önemli konuları incelemek, transfer öğrenme, sentetik veri üretimi, derin öğrenme uygulamaları gibi pratik alanları keşfetmektir.

Haftalık Ayrıntılı Ders İçeriği

Hafta Teorik [OgretimYontemVeTeknikleri] [OnHazirlik]
1 Derin Öğrenmeye Giriş
2 Yapay Sinir Ağları
3 Derin Öğrenme Modelleri ve Mimari
4 İleri Düzey Yapay Sinir Ağları
5 Evrişimli Sinir Ağları
6 Rekurrent Sinir Ağları
7 Derin Öğrenme için Optimizasyon Algoritmaları
8 Ara Sınav
9 Derin Öğrenme için Kayıp Fonksiyonları
10 Transfer Öğrenme ve Önceden Eğitilmiş Modeller
11 Sentetik Veri Üretimi ve Veri Artırma
12 Derin Öğrenme Uygulamaları
13 Derin Öğrenme için Hesaplama Kaynakları ve Paralelleştirme
14 Derin Öğrenmede Gelecek Trendler ve Uygulamalar
15 Final Sınavı

Ders Kitabı Malzemesi Önerilen Kaynaklar

"Deep Learning" - Ian Goodfellow, Yoshua Bengio, Aaron Courville "Deep Learning with Python" - François Chollet "Deep Learning for Computer Vision" - Adrian Rosebrock "Deep Learning: A Practitioner's Approach" - Josh Patterson, Adam Gibson "Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow" - Aurélien Géron

Planlanan Öğrenme Aktiviteleri ve Metodları

Değerlendirme

Yarıyıl (Yıl) İçi Etkinlikleri Adet Değer
Ara Sınav 1 100
Toplam 100
Yarıyıl (Yıl) Sonu Etkinlikleri Adet Değer
Final Sınavı 1 100
Toplam 100
Yarıyıl (Yıl) İçi Etkinlikleri 40
Yarıyıl (Yıl) Sonu Etkinlikleri 60

Staj Durumu

-

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat)
Ara Sınav 1 1 1
Final Sınavı 1 1 1
Ara Sınav İçin Bireysel Çalışma 1 76 76
Final Sınavı içiin Bireysel Çalışma 1 72 72
Toplam İş Yükü (saat) 150

Program ve Öğrenme Çıktıları İlişkisi

ÖÇ 1
ÖÇ 2
ÖÇ 3
ÖÇ 4
ÖÇ 5
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek