| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| Makine Öğrenme Matematiği | EE 542 | | | 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. Makine öğreniminin matematiğini anlamak |
| 2. Makine öğrenme sistemlerinde optimizasyon tekniğini anlamak |
| |
| 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. |
| |
| Dersin İçeriği (Haftalık Konu Dağılımı): |
| |
| Hafta | Konu |
| 1 | Doğrusal cebir, baz, vektör uzayları ve doğrusal bağımsızlık konularına genel bakış |
| 2 | Özdeğer teoremi, İlke Bileşenler, |
| 3 | Çok Değişkenli Hesaplama, Kısmi Türevleme, Jacobian ve Hessian Matrisleri, |
| 4 | Çok Değişkenli Zincir Kuralı, Basit Yapay Sinir Ağları |
| 5 | Çok Değişkenli Zincir Kuralı, Basit Yapay Sinir Ağları |
| 6 | Optimizasyon, dışbükeylik, maliyet fonksiyonları, |
| 7 | Gradyan iniş, en dik iniş, momentum |
| 8 | Kısıtlı optimizasyon |
| 9 | Farklı Optimizasyon Senaryoları |
| 10 | Regresyon, doğrusal ve doğrusal olmayan |
| 11 | Çok Katmanlı Sinir Ağları ve Geri Yayılım Eğitimi |
| 12 | Derin Öğrenmede Hiper Parametre Ayarlaması, Toplu Normalizasyon |
| 13 | Derin Ağlarda Nöron Çıkış Maksimizasyonu |
| 14 | Proje Haftası, her grup için 15 dakikalık proje sunumları ve tartışmaları. |
| |
| Kaynaklar: |
| |
| |
| Diğer Kaynaklar: |
| Gilbert Strang Introduction to Linear Algebra, Fourth Edition Wellesley Cambridge Press 2009 978-0980232714
Jan A Snyman; Daniel N Wilke Practical Mathematical Optimization Springer 2018 978-3319775869
|
| |
| 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 |
| Proje | 1 | %40 |
| Final Sınavı | 1 | %30 |
| |
| Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu? |
| Gerektirmiyor |