| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| Gömülü Derin Öğrenme | EE 545 | | | 3 + 0 | 3 | 7,50 |
| |
| Ders Bilgileri |
| Dersin Öğretim Dili | İngilizce |
| Dersin Seviyesi | Yüksek Lisans |
| Dersin Türü | |
| Dersin Veriliş Biçimi | Yüz Yüze |
| |
Dersin Öğrenme Kazanımları:
Bu dersi başarı ile tamamlayan öğrenciler: |
| 1. Gömülü Derin Öğrenme Sistemlerini Anlamak |
| 2. Gömülü Derin Öğrenme Performansının Ölçülmesinin Anlaşılması |
| 3. Performans sınırlamaları olan gömülü yapay zeka sistemlerinin eğitimi ve testi. |
| |
| Dersin Önkoşulları ve Birlikte Alınması Gereken Dersler | Yok |
| Daha Önce Alınmış Olması Önerilen Dersler | Yok |
| |
Dersin Tanımı:
Ders, bilgisayarlı görme temellerine genel bir bakışla başlayıp görüntü sınıflandırma yaklaşımları, sinir ağları ve evrişimli sinir ağları (CNN), yinelemeli sinir ağları ve üretken ağlarla devam ederek çeşitli ilişkili kavramları kapsayacaktır. Ders, esas olarak bilgisayarlı görme amaçları için eğitilmiş derin CNN'lerin nasıl tasarlanıp görselleştirileceğini anlamaya odaklanacaktır. |
| |
Üretken Yapay Zeka Kullanımı:
|
| |
| Dersin İçeriği (Haftalık Konu Dağılımı): |
| |
| Hafta | Konu |
| 1 | Gömülü Derin Öğrenme Kavramlarına Giriş, Derin sinir ağlarının hesaplama boyutunun ölçülmesi |
| 2 | Gömülü Performansın Ölçülmesi (IOPs, FLOPS, Güç Verimliliği, Kararlılık, Kullanıcı Dostuluk) |
| 3 | Mevcut Gömülü Mimariler/Çözümler (CMO tabanlı, CPU'lar, GPU'lar, FPGA'lar, SoC'ler), Avantajlarına ilişkin analizler |
| 4 | Derin GPU Uygulaması? Mevcut Derin Öğrenme mimarileri neden GPU tabanlıdır? |
| 5 | Derin Evrişimsel Ağın Sabit Nokta Kuantizasyonu |
| 6 | Sabit Nokta Ağı eğitimi, geri yayılım ve bit genişliği optimizasyonu |
| 7 | Pratik: CPU tabanlı sabit noktalı basit bir CNN |
| 8 | Proje Teklifleri ve Sunumları |
| 9 | CPU'lardaki sinir ağlarının hızının artırılması |
| 10 | Hashing Kullanarak Sinir Ağlarını Sıkıştırma: HashedNet |
| 11 | MobileNets: Mobil Görüntü Uygulamaları için Verimli Evrişimsel Sinir Ağları FPGA Tabanlı Derin Öğrenme Hızlandırıcıları: Zorluklar ve Fırsatlar |
| 12 | FPGA Tabanlı Derin Öğrenme Hızlandırıcıları: Zorluklar ve Fırsatlar |
| 13 | Mobil/Gömülü Yapay Zeka Sistem-Üzeri Çip çözümleri |
| 14 | Proje Gösterimleri ve Performans Analizleri |
| |
| Kaynaklar: |
| Moons, Bert, Bankman, Daniel, Verhelst, Marian “Embedded Deep Learning” Springer 2019 |
| |
| Diğer Kaynaklar: |
| |
| |
| Öğretim Yöntem ve Teknikleri: |
| • Haftada 3 saat ders anlatımı
• 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 |