| 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), Tekrarlayan Sinir Ağı (RNN) ve Uzun Kısa Süreli Bellek (LSTM). |
| 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 | Derin Öğrenmeye Giriş |
| 2 | Makine Öğrenmesine Genel Bakış |
| 3 | Çok Katmanlı Algılayıcılar |
| 4 | Derin Sinir Ağlarının Eğitimi |
| 5 | Evrişimli Sinir Ağları |
| 6 | CNN'leri Anlama ve Görselleştirme |
| 7 | Gözden geçirme |
| 8 | Tekrarlayan Sinir Ağları |
| 9 | RNN'lerin uygulamaları |
| 10 | Dikkat ve Hafıza |
| 11 | Derin Üretken Modeller |
| 12 | Derin Takviye Öğrenme |
| 13 | Derin Takviye Öğrenme Uygulamaları |
| 14 | Proje Sunumları |
| |
| Kaynaklar: |
| Ian Goodfellow, Yoshua Bengio and Aaron Courville, Deep Learning, MIT Press, 2016
Michael Nielsen, Neural Networks and Deep Learning, Online book, 2016 |
| |
| Diğer Kaynaklar: |
| . |
| |
| Öğretim Yöntem ve Teknikleri: |
| Ders
Tartışma
Soru ve cevap
Takım / Grup Çalışması
Ödev
Proje |
| |
| Değerlendirme Sistemi: |
| Yöntem | Adet | Katkı (%) |
| Ödev | 3 | %20 |
| Quiz | 5 | %15 |
| Midterm Exam | 1 | %20 |
| Oral Presentation | 1 | %15 |
| Project | 1 | %30 |
| |
| Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu? |
| Gerektirmiyor |