GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| 9103016182022 | Derin Öğrenme | Ders | 1 | 2 | 10,00 |
Dersin Seviyesi
Doktora
Dersin Sunulduğu Dil
Türkçe
Dersin Amacı
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.
Dersi Veren Öğretim Görevlisi/Görevlileri
Prof. Dr. Aybars UĞUR
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. |
| 5 | Derin Öğrenme Mimarilerinin bileşenlerini açıklayabilme, Transfer Öğrenme Modellerinin özelliklerini ifade edebilme, bu yöntemleri problemlerin çözümüne uyarlayabilme. |
| 6 | Derin Öğrenme Yöntemlerinin işleyişini açıklayabilme ve başarısını artırabilme. |
Öğretim Sistemi
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Lisansüstü düzeyde Yapay Zeka dersi
Ders İçin Önerilen Diğer Hususlar
Sadece Doktora Öğrencileri alabilir.
Dersin İçeriği
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.
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
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. 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.
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
Yok
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 | 4 | 2 | |||
| ÖÇ 2 | 5 | 3 | 5 | 5 | 5 | 4 | |
| ÖÇ 3 | 3 | 4 | |||||
| ÖÇ 4 | 3 | 1 | 4 | ||||
| ÖÇ 5 | 3 | 3 | 2 | 3 | 2 | ||
| ÖÇ 6 | 3 | 3 | 2 | 3 | 2 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek