GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| 0 | 0 | 0 |
Dersin Seviyesi
Doktora
Dersin Sunulduğu Dil
Dersin Amacı
Dersi Veren Öğretim Görevlisi/Görevlileri
Öğrenme Çıktıları
| 1 | Derin Öğrenme Sistemi tasarlama ve gerçekleştirme yeteneği kazanmak. |
| 2 | Derin Öğrenme alanında gelişen araştırma konularını takip edebilir duruma gelebilmek; Bu konuda kısa seminerler hazırlayarak sunum yapabilmek. Makale okuma ve yazabilme deneyimi kazanmak. |
| 3 | Yapay Sinir Ağları, Makine Öğrenmesi, Derin Öğrenme ile ilgili yazılım araçlarını kullanabilme ve bütünleştirebilme yeteneği kazanmak. |
| 4 | Derin Öğrenmenin temel kavramlarını, tekniklerini, matematik ve yazılım altyapısını öğrenerek uygulayabilme yeteneği kazanmak. Derin Öğrenme ve Makine Öğrenmesi konularını genişliğine ve derinliğine inceleyerek nasıl birleştirilebileceklerini ve bütünleştirilebileceklerini öğrenmek. |
Öğretim Sistemi
Dersin Ön Koşulu Olan Dersler
Ders İçin Önerilen Diğer Hususlar
[Yok]
Dersin İçeriği
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Konular (Teorik) | Öğretim Yöntem ve Teknikleri | Ön Hazırlık |
|---|---|---|---|
| 1 | Derin Öğrenmeye Giriş, kavram, terminoloji ve yöntemler. | ||
| 2 | Makine Öğrenmesi - I : Gözetimli Öğrenme, Gözetimsiz Öğrenme, Destekleyici Öğrenme, Yarı Gözetimli Öğrenme; Öğreticili Öğrenme Yöntemleri (Yapay Sinir Ağları, geriyayılım algoritması, Karar Ağaçları, Naive Bayes, Destek Vektör Makineleri, …), Topluluk Öğrenme Türleri (Bagging, Boosting, Stacking) ve Yöntemleri (Rastgele Ormanlar, AdaBoost, …) | ||
| 3 | Makine Öğrenmesi - II : Öğreticisiz Öğrenme ve Kümeleme Yöntemleri; Destekleyici Öğrenme Yöntemleri. | ||
| 4 | Derin Öğrenme – I : Evrişimsel Yapay Sinir Ağları (CNN) (Mimarisi, Verisetleri, Evrişim, İşleyişi). Minibatch, Regularization, Dropout, Optimization Algorithms, Softmax, Loss Function kavramları. Tensorflow ortamında uygulama geliştirme. Hiperparametre Eniyilemesi. Transfer Öğrenme. R-CNN, Fast R-CNN. Faster R-CNN, YOLO modelleri. | ||
| 5 | Derin Öğrenme – II : Geri Beslemeli Sinir Ağları (RNN), Uzun Kısa Süreli Bellek (LSTM). | ||
| 6 | Derin Öğrenme – III : Derin İnanç Ağları, Derin Oto-Kodlayıcılar, Diğer Derin Öğrenme Modelleri. Derin Pekiştirmeli Öğrenme. Çekişmeli Üretici Ağlar. | ||
| 7 | Derin Öğrenme - IV : Derin Öğrenme Uygulama Alanları, Melez Zeki Sistemler. | ||
| 8 | Arasınav | ||
| 9 | Sunumlar - I | ||
| 10 | Sunumlar - I | ||
| 11 | Sunumlar - I | ||
| 12 | Sunumlar - II | ||
| 13 | Sunumlar - II | ||
| 14 | Sunumlar - II | ||
| 15 | Proje Kontrolleri | ||
| 16 | Final Sınavı |
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 42 |
| Proje Sunma | 1 | 25 |
| Ev Ödevi | 1 | 33 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 60 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 40 | |
Staj Durumu
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 2 | 2 |
| Final Sınavı | 1 | 2 | 2 |
| Derse Katılım | 14 | 3 | 42 |
| Rapor Hazırlama | 2 | 42 | 84 |
| Proje Hazırlama | 3 | 20 | 60 |
| Seminer | 1 | 20 | 20 |
| Makale Yazma | 1 | 20 | 20 |
| Ara Sınav İçin Bireysel Çalışma | 1 | 30 | 30 |
| Final Sınavı içiin Bireysel Çalışma | 1 | 40 | 40 |
| Toplam İş Yükü (saat) | 300 | ||
Program ve Öğrenme Çıktıları İlişkisi
| PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | |
| ÖÇ 1 | 3 | 1 | 3 | 5 | 3 | 3 | |
| ÖÇ 2 | 3 | 3 | 3 | 3 | 5 | 5 | |
| ÖÇ 3 | 3 | 5 | |||||
| ÖÇ 4 | 3 | 1 | 4 | 3 | 3 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek