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
Dr. Öğr. Üyesi 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
1. I. Goodfellow, Y. Bengio, A. Courville, “Deep Learning”, MIT Press, NW, 2016.
Planlanan Öğrenme Aktiviteleri ve Metodları
Etkinlikler ayrıntılı olarak "Değerlendirme" ve "İş Yükü Hesaplaması" bölümlerinde verilmiştir.
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) |
|---|---|---|---|
| Final Sınavı | 1 | 2 | 2 |
| Derse Katılım | 14 | 4 | 56 |
| Bireysel Çalışma | 14 | 3 | 42 |
| Final Sınavı içiin Bireysel Çalışma | 1 | 60 | 60 |
| Quiz için Bireysel Çalışma | 5 | 11 | 55 |
| Ev Ödevi | 5 | 11 | 55 |
| Toplam İş Yükü (saat) | 270 | ||
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