| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| Evrişimli Sinir Ağları | EE 541 | | | 3 + 0 | 3 | 7,50 |
| |
| Ders Bilgileri |
| Dersin Öğretim Dili | İngilizce |
| Dersin Seviyesi | Yüksek Lisans |
| Dersin Türü | Belirsiz |
| Dersin Veriliş Biçimi | Yüz Yüze |
| |
Dersin Öğrenme Kazanımları:
Bu dersi başarı ile tamamlayan öğrenciler: |
| 1. Sinir ağlarını anlamak. |
| 2. Evrişimli sinir ağlarını anlamak (CNN). |
| 3. Bilgisayarlı görü için CNN'lerin eğitimi ve test edilmesi. |
| |
| Dersin Önkoşulları ve Birlikte Alınması Gereken Dersler | Yok |
| Daha Önce Alınmış Olması Önerilen Dersler | Yok |
| |
Dersin Tanımı:
Kurs, makine öğreniminin temellerine genel bir bakışla başlayıp görüntü / sinyal sınıflandırma yaklaşımları, sinir ağları ve evrişimli sinir ağları (CNN), tekrarlayan sinir ağları ve üretken ağlar ile başlayan çeşitli ilişkili kavramları kapsayacaktır. Kurs, temel olarak bilgisayarla görme ve diğer sinyal işleme amaçları için eğitilmiş derin CNN'lerin nasıl tasarlanıp görselleştirileceğini anlamaya odaklanacaktır. |
| |
Üretken Yapay Zeka Kullanımı:
- |
| |
| Dersin İçeriği (Haftalık Konu Dağılımı): |
| |
| Hafta | Konu |
| 1 | Kurs lojistiğine giriş (not verme, ödev, projeler, kodlama platformu vb.), Genel bakış ve makine öğrenimi |
| 2 | Sinyal Sınıflandırma, Veriye dayalı yaklaşım, K-en yakın komşu, Doğrusal Sınıflandırma |
| 3 | Kayıp Fonksiyonları ve Optimizasyon, Doğrusal Sınıflandırma (devam), Temsiller, görüntü özellikleri, Optimizasyon, stokastik gradyan inişi. |
| 4 | Sinir Ağları (NN), NN Yapıları ve Algılayıcı, İleri ve Geri Yayılma, Çok Katmanlı Algılayıcı |
| 5 | Evrişimli Sinir Ağları (CNN), Biyolojik Kavramlarla İlişkisi, Evrişim Katmanı (filtreleme, havuzlama) |
| 6 | CNN eğitimi, bölüm I, Aktivasyon işlevleri, Ağırlık Başlatma, Bırakma ve grup normalleştirme kavramları. |
| 7 | CNN, bölüm II, Topluluklar, Veri Artırma, İnce Ayarlama ve Transfer Öğrenme Eğitimi |
| 8 | Derin Öğrenme Yazılım Araçları, Kitaplıkları ve Platformları, Caffee, MatConvNet vb. |
| 9 | CNN Mimarileri, AlexNet, VGG, Resnet, Siyam Ağları vb. |
| 10 | Tekrarlayan Sinir Ağları, Durumlar ve Bellek, RNN, LSTM |
| 11 | CNN Uygulamaları, Algılama, Tanıma ve Segmentasyon |
| 12 | CNN katmanlarını görselleştirme ve anlama, Özellik Görselleştirme, Ters Çevirme, İnce Ayar Uygulamaları |
| 13 | Üretken Modeller, Varyasyonel Otomatik Kodlayıcılar, Üretken Çekişmeli Ağlar (GAN'lar) |
| 14 | Proje Haftası, grup başına 15 dakikalık proje sunumları ve tartışmalar. |
| |
| Kaynaklar: |
| Ian Goodfellow, Yoshua Bengio,Aaron Courville “Deep Learning” MIT Press 2016 9780262035613 |
| |
| Diğer Kaynaklar: |
| - |
| |
| Öğretim Yöntem ve Teknikleri: |
| • Haftada 3 saat ders
• Sınıfta gösterilecek grup projeleri |
| |
| Değerlendirme Sistemi: |
| Yöntem | Adet | Katkı (%) |
| Ödev | 1 | %10 |
| Ara Sınav | 1 | %20 |
| Final Sınavı | 1 | %30 |
| Proje | 1 | %40 |
| |
| Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu? |
| Gerektirmiyor |
| |
Dersin Program Yeterlilikleri vs. Öğrenme Kazanımları:
|
| # | Program Yeterlilikleri | Katkı |
| 1 | Elektrik ve Elektronik Mühendisliği ile ilgili matematik, fen bilimleri ve mühendislik konularında yeterli bilgi; bu alanlardaki kuramsal ve uygulamalı bilgileri karmaşık mühendislik problemlerine tatbik edebilme becerisi. | 4 |
| 2 | Karmaşık Elektrik ve Elektronik Mühendisliği problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla, uygun analiz ve modelleme metodlaarını seçme ve uygulama becerilerini geliştirme. | 2 |
| 3 | Karmaşık bir sistemi, süreci, cihazı veya ürünü, belirli şartları sağlayan gerçekçi kısıtlar ve koşullar altında, tasarlayabilme becerisi; bu amaçla modern tasarım metodlarını uygulamak için beceri geliştirme. | 2 |
| 4 | Elektrik ve Elektronik Mühendisliği uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli modern teknikleri ve araçları tasarlama, seçme ve kullanma becerisi; bilgi teknolojilerini etkin bir biçimde kullanma becerisi. | 3 |
| 5 | Elektrik ve Elektronik Mühendisliği ile ilgil karmaşık problemlerin veya araştırma alanlarının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi. | 4 |
| 6 | Disiplin içi ve çok disiplinli takımlarda etkin bir şekilde işbirliği yaparak verimli çalışabilme becerisi; bireysel çalışma becerisi. | 3 |
| 7 | Türkçe’de sözlü ve yazılı etki iletişim becerisi; en az bir yabancı lisan [özellikle İngilce) bilgisi; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi. | 1 |
| 8 | Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme becerisi, bilim ve teknolojideki en son gelişmeleri takip edebilme becerisi, sürekli güncel kalabilme becerisi. | 1 |
| 9 | Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi. | 0 |
| 10 | Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi. | 0 |
| 11 | Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık. | 0 |