| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| Derin Öğrenmeye Giriş | SENG 460 | | | 3 + 0 | 3 | 5,00 |
| |
| Ders Bilgileri |
| Dersin Öğretim Dili | İngilizce |
| Dersin Seviyesi | Lisans |
| Dersin Türü | |
| Dersin Veriliş Biçimi | Yüz Yüze |
| |
Dersin Öğrenme Kazanımları:
Bu dersi başarı ile tamamlayan öğrenciler: |
| 1. Öğrenciler derin öğrenmenin temel kavramlarını anlayabilecekler |
| 2. Öğrenciler derin sinir ağlarının mimarisine, verilerin üst düzey özellik temsillerini çıkarmak için geliştirilen algoritmalara tanıtılacaktır. |
| 3. Öğrenciler, dil anlayışından konuşma ve görüntü tanıma, makine çevirisi, planlama ve hatta oyun oynama ve otonom sürüşe kadar birçok yapay zeka problemi hakkında bilgi sahibi olacaklar. |
| 4. Öğrenciler, çeşitli derin sinir ağları oluşturmak için uygulama programı arayüzlerini (API'ler) nasıl kullanacaklarını öğrenirler: Evrişimli Sinir Ağı (CNN), Transformatör ve Derin Üretken Modeller |
| 5. Öğrenciler Derin Öğrenmeyi çeşitli görevlere uygulayabilecekler |
| |
| Dersin Önkoşulları ve Birlikte Alınması Gereken Dersler | Yok |
| Daha Önce Alınmış Olması Önerilen Dersler | Yok |
| |
Dersin Tanımı:
Bu ders, derin öğrenmedeki temel kavramların ve son gelişmelerin kapsamlı bir şekilde anlaşılmasını sağlar. Temel amaç, öğrencilere zorlu görevleri uçtan uca bir şekilde çözmek için derin sinir mimarileri kullanmaları ve geliştirmeleri için pratik ve teorik temeller sağlamaktır. |
| |
| Dersin İçeriği (Haftalık Konu Dağılımı): |
| |
| Hafta | Konu |
| 1 | Giriş, Makine Öğrenmesine Genel Bakış |
| 2 | Gözetimli Öğrenme |
| 3 | Sığ Sinir Ağları |
| 4 | Sinir Ağlarının Eğitimi |
| 5 | Derin Sinir Ağları |
| 6 | 1B Evrişimsel Ağlar |
| 7 | 2B Evrişimsel Ağlar |
| 8 | Sinir Ağlarının Performansı |
| 9 | İlk Değer Atama ve Regülasyon |
| 10 | Derin Üretken Modeller |
| 11 | Transformatörler |
| 12 | Derin Takviye Öğrenme |
| 13 | Sinir Ağları Uygulamaları |
| 14 | Proje Sunumları |
| |
| Kaynaklar: |
| Prince, Simon JD. Understanding Deep Learning. MIT press, 2023 |
| |
| Diğer Kaynaklar: |
| Ian Goodfellow, Yoshua Bengio and Aaron Courville, Deep Learning, MIT Press, 2016
Michael Nielsen, Neural Networks and Deep Learning, Online book, 2016 |
| |
| Öğretim Yöntem ve Teknikleri: |
| Ders
Tartışma
Soru ve cevap
Takım / Grup Çalışması
Ödev
Proje |
| |
| Değerlendirme Sistemi: |
| Yöntem | Adet | Katkı (%) |
| Quiz | 5 | %15 |
| Project | 1 | %30 |
| Final Sınavı | 1 | %30 |
| Ara Sınav | 1 | %25 |
| |
| Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu? |
| Gerektirmiyor |