GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| 9103026662020 | Derin Ağlar | Seçmeli Ders Grubu | 1 | 2 | 9,00 |
Dersin Seviyesi
Doktora
Dersin Sunulduğu Dil
Dersin Amacı
Öğrencilerin; derin öğrenmede çalışan yaklaşımları kavraması amaçlanmaktadır.
Dersi Veren Öğretim Görevlisi/Görevlileri
Doç. Dr. Erkan Zeki ENGİN
Öğrenme Çıktıları
| 1 | Parametrik fonksiyon yaklaştırma teknolojisinin özünü anlayabilme |
| 2 | Modellerde kullanılan ileri teknikleri kavrayabilme |
| 3 | Uygulama alanında gerekli olan algoritmaların yazılım/donanım ortamında gereçekleştirebilme |
| 4 | Elde edilen sonuçların, derlenmesi ve sunusunu gerçekleşitrebilmek |
Öğretim Sistemi
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Yok
Ders İçin Önerilen Diğer Hususlar
Doğrusal Cebir, Olasılık
Dersin İçeriği
• Makine Öğrenmesinin Temelleri • Derin İleri Besleme Ağları • Derin Öğrenmede Düzenlileştirme • Derin Modellerin Eğitiminde Eniyileme • Evrişimsel Ağlar • Sıralı Veri Modelleme: Yinelemeli ve Özyinelemeli Ağlar • Kullanışlı Metodolojiler • Uygulamalar
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Konular (Teorik) | Öğretim Yöntem ve Teknikleri | Ön Hazırlık |
|---|---|---|---|
| 1 | MAKİNE ÖĞRENMESİNİN TEMELLERİ: Öğrenme Algoritmaları, Kapasite, Aşırı ve Yetersiz Uydurma, Hiperparametreler ve Validasyon Setleri | ||
| 2 | MAKİNE ÖĞRENMESİNİN TEMELLERİ: Tahmin Ediciler, Bias ve Varyans, En Büyük Olabilirlik Tahmini, Bayes İstatistiği, Denetimli ve Denetimsiz Öğrenme Algoritmaları, Stokastik Gradyan İnişi | ||
| 3 | DERİN İLERİ BESLEME AĞLARI: Gradyan Tabanlı Öğrenme, Gizli Birimler | ||
| 4 | DERİN İLERİ BESLEME AĞLARI: Mimari Tasarım, Geri Yayılım ve Diğer Türevleme Algoritmaları | ||
| 5 | DERİN ÖĞRENMEDE DÜZENLİLEŞTİRME: Kısıtlanmış Sorunlar, Yarı Denetimli Öğrenme | ||
| 6 | DERİN ÖĞRENMEDE DÜZENLİLEŞTİRME: Erken Durdurma, Düşmanlık Eğitimi | ||
| 7 | DERİN MODELLERİN EĞİTİMİNDE ENİYİLEME: Sinir Ağı Eniyilemedeki Zorluklar, Temel Algoritmalar, Parametre İlk Değer Atama Stratejileri, Eniyileme Stratejileri ve Meta Algoritmalar | ||
| 8 | EVRİŞİMSEL AĞLAR: Motivasyon, Biriktirme, Temel Evrişimsel Fonksiyonun Varyantları | ||
| 9 | Ara Sınav | ||
| 10 | EVRİŞİMSEL AĞLAR: Veri Türleri, Evrişimsel Ağların Sinirbilimsel Temelleri | ||
| 11 | SIRALI VERİ MODELLEME: YİNELEMELİ VE ÖZYİNELEMELİ AĞLAR: Yinelemeli Sinir Ağları, Derin Yineleyen Ağlar | ||
| 12 | SIRALI VERİ MODELLEME: YİNELEMELİ VE ÖZYİNELEMELİ AĞLAR: Özyinelemeli Sinir Ağları | ||
| 13 | KULLANIŞLI METODOLOJİLER | ||
| 14 | UYGULAMALAR | ||
| 15 | |||
| 16 | Final Sınavı |
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
I. Goodfellow, Y. Bengio, A. Courville, “Deep Learning”, MIT Press, NW, 2016.
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 57 |
| Ev Ödevi | 1 | 43 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 70 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 30 | |
Staj Durumu
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Final Sınavı | 1 | 3 | 3 |
| Derse Katılım | 14 | 3 | 42 |
| Ara Sınav İçin Bireysel Çalışma | 1 | 56 | 56 |
| Final Sınavı içiin Bireysel Çalışma | 1 | 70 | 70 |
| Ev Ödevi | 5 | 17 | 85 |
| Toplam İş Yükü (saat) | 256 | ||
Program ve Öğrenme Çıktıları İlişkisi
| PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | |
| ÖÇ 1 | 4 | 4 | ||||
| ÖÇ 2 | 5 | 4 | ||||
| ÖÇ 3 | 5 | 4 | ||||
| ÖÇ 4 | 3 | 5 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek