| Dersin Adı | Dersin Kodu | Dersin Türü | Dersin Düzeyi | Dersin Yılı | Dersin Verildiği Dönem | AKTS Kredisi |
|---|---|---|---|---|---|---|
| Derin Öğrenmenin Temelleri | BLM451 | Seçmeli | Lisans | 4 | Güz | 5 |
Öğretim Elemanı Adı
Dr. Öğr. Üyesi Burcu KIR SAVAŞ
Dersin Öğrenme Kazanımları
1) Genel olarak derin öğrenme modelleri değerlendirir
2) Kullanılması planlanan derin öğrenme modellerinin avantaj ve dezavantajlarını değerlendirir.
3) Temel bir problem için derin öğrenme çözümleri üretip analiz eder
4) Öngörülen çözüm için uygun derin öğrenme modeli belirleyip tasarlar.
5) Derin modellerin parametrelerinin seçimleri ve optimizasyon yöntemleri hakkında temel bilgi sahibidir.
Program Yeterliliği İlişkisi
| Program Yeterlilikleri | |||||||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | ||
| Öğrenme Kazanımları | |||||||||||||
| 1 | Orta | Yüksek | |||||||||||
| 2 | Yüksek | ||||||||||||
| 3 | Yüksek | ||||||||||||
| 4 | Orta | ||||||||||||
| 5 | Orta | Yüksek | Orta | ||||||||||
Eğitim Şekli
Yüz Yüze
Ön Koşullar, Diğer Koşullar
Yok
Önerilen Destekleyici Dersler
yok
Dersin İçeriği
Derin öğrenme kavramı, tarihçesi ve teorik avantajları, farklı programlama dilleri ve derin öğrenme kullanımı, derin öğrenme için kullanılabilecek yapay sinir ağı mimarileri ve öğrenme algoritmaları, derin modellerin eğitimi için optimizasyon teknikleri ve hiper parametreler, Evrişimsel ağlar, Geri beslemeli ve özyinelemeli ağlar, Üretici Çekişmeli Ağlar.
Haftalık Ders İzlencesi
1) Tanımlar (Yapay Zeka, Makine Öğrenmesi, Yapay Sinir Ağları, Bilgisayarla Görme, derin öğrenme kavramı)2) Yapay Sinir Ağları
3) Derin Öğrenme Modelleri ve Geliştirilmesi
4) Farklı programlama dilleri ve derin öğrenme
5) Evrişimsel Sinir Ağları
6) Evrişim katman ve Operasyonlar, Aktivasyon katmanı
7) Pooling, Flatten and fully connected layers
8) Ara sınav/Değerlendirme
9) Verilerin görselleştirmesi
10) Hiperparametreler ve Optimizasyon Algoritmaları
11) Derin öğrenme Uygulaması geliştirilmesi
12) Uygulama sonuçlarının değerlendirilmesi, iyileştirilmesi ve ayarlanması
13) Özyinelemeli Sinir Ağları, Uzun-Kısa Vadeli Vadeli Bellek Modeli
14) Üretici Çekişmeli Ağlar
15) Proje sunumları
16) Yarıyıl Sonu Sınavı
Önerilen/İstenen Ders Kaynakları
1- S. Russell, and N. Norvig, Artificial Intelligence: A Modern Approach, Prentice Hall, 2003.
Planlanan Öğrenim Faaliyetleri Ve Eğitim Yöntemi
1) Anlatım
2) Model Yapma
3) Benzetim
4) Problem Çözme
5) Proje Temelli Öğrenme
Değerlendirme Yöntemi ve Ölçütleri
Ara Sınav Notunun Başarıya Oranı |
40% |
|---|---|
Yarıyıl Sonu Sınavının Başarıya Oranı |
60% |
Toplam |
100% |
Dersin Eğitim Dili
Türkçe
Mesleki Uygulama
İstenmemekte