>
Dersin Adı | Dersin Kodu | Dersin Türü | Dersin Düzeyi | Dersin Yılı | Dersin Verildiği Dönem | AKTS Kredisi |
---|---|---|---|---|---|---|
Derin Öğrenmenin Temelleri | BLM451 | Seçmeli | Lisans | 4 | Güz | 5 |
Dr. Öğr. Üyesi Burcu KIR SAVAŞ
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 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 |
Yüz Yüze
Yok
yok
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.
1- S. Russell, and N. Norvig, Artificial Intelligence: A Modern Approach, Prentice Hall, 2003.
1) Anlatım
2) Model Yapma
3) Benzetim
4) Problem Çözme
5) Proje Temelli Öğrenme
Ara Sınav Notunun Başarıya Oranı |
40% |
---|---|
Yarıyıl Sonu Sınavının Başarıya Oranı |
60% |
Toplam |
100% |
Türkçe
İstenmemekte