GERİ DÖN

Ders Öğretim Planı


Dersin Kodu Dersin Adı Dersin Türü Yıl Yarıyıl AKTS
9103016182019 Derin Öğrenme Seçmeli Ders Grubu 1 2 10,00

Doktora


Türkçe


Derin Öğrenme ve Makine Öğrenmesi yaklaşımlarını, model ve yöntemlerini, işleyişlerini, matematik ve yazılım altyapılarını öğretmek. Derin Öğrenme Sistemi tasarlama ve gerçekleştirme yeteneği kazandırmak. Görüntü Tanıma ve Doğal Dil İşleme gibi güncel uygulama alanlarında proje geliştirme ve makale yazabilme yeteneği kazandırmak.


Prof. Dr. Aybars UĞUR


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.

Birinci Öğretim


Lisansüstü düzeyde Yapay Zeka dersi


Sadece Doktora Öğrencileri alabilir.


Derin Öğrenmeye Giriş, Makine Öğrenmesi Paradigmaları, Yapay Sinir Ağları, Topluluk Öğrenme Yöntemleri, Evrişimsel Yapay Sinir Ağları, Geri Beslemeli Sinir Ağları, Uzun Kısa Süreli Bellek, Derin Oto-Kodlayıcılar, Diğer Derin Öğrenme Modelleri, Melez Zeki Sistemler.


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: I. Goodfellow, Y. Bengio and A. Courville, “Deep Learning”, MIT Press, 2016. Ian Goodfellow, Yoshua Bengio , Aaron Courville, “Derin Öğrenme”, Buzdağı Yayınları, 2018 (Türkçesi) Python ile Derin Öğrenme, François Chollet, 1st edition, Manning Publications, 2017. Yardımcı Kitaplar: Deniz KILINÇ, Nezahat BAŞEĞMEZ, Uygulamalarla Veri Bilimi, Abaküs Yayın, 2018 Michael Negnevitsky, “Artificial Intelligence : A Guide to Intelligent Systems (3rd Edition)”, Addison Wesley, 2011.



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

Yok


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

PÇ 1 PÇ 2 PÇ 3 PÇ 4 PÇ 5 PÇ 6 PÇ 7 PÇ 8 PÇ 9 PÇ 10 PÇ 11
ÖÇ 1 3 1 3 5 3 3 3
ÖÇ 2 3 3 3 3 5 5 5 3 3 5
ÖÇ 3 3 5 5
ÖÇ 4 3 1 4 3 3 3 4
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek