Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
DSM 5014	Derin Öğrenme Yöntemleri ve Uygulamaları	SEÇMELİ	3	0	0	8

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

DOÇ.DR. METE EMİNAĞAOĞLU

Dersi Alan Birimler

Veri Bilimi Yüksek Lisans
Veri Bilimi Tezsiz Yüksek Lisans (İ.Ö)

Dersin Amacı

Öğrencilerin ağırlıklı olarak uygulamalı biçimde veri bilimine yönelik gelişmiş yapay sinir ağları ve derin öğrenme yöntemlerini kavramalarını ve kullanabilmelerini amaçlamaktadır. Bilgisayarlardaki yapay öğrenme yöntemlerinin derin hiyerarşik modelleri, çok katmanlı yapay sinir ağları, kıvrımlı ağlar, LSTM ve bunların örüntü işleme, doğal dil işleme ve tanıma, görüntü algılama, vb. alanlardaki uygulamalarını geliştirebilecek bilgi ve beceriyi öğrencilerin kazanmasını amaçlar.

Dersin Öğrenme Kazanımları

1	Şirketler ya da diğer kurumlardaki çeşitli güncel gereksinimlere ve problemlere derin öğrenme ve kıvrımlı sinir ağları yöntemlerini kullanarak çözümler geliştirmek.
2	Kıvrımlı ve LSTM sinir ağlarını kullanarak veri bilimine yönelik modeller, uygulamalar ve çözümler geliştirmek.
3	Python programlama dilini destekleyen TensorFlow, Keras, PyTorch, vb derin öğrenme uygulama platformlarını kullanarak çeşitli uygulamalar geliştirmek.
4	Derin öğrenmeye ilişkin çeşitli yöntemler, algoritmalar ve teknikleri tanımlamak ve kullanabilmek.
5	Kıvrımlı sinir ağları ve derin öğrenme alanına yönelik çeşitli bilimsel ve teknolojik ar-ge projelerine katılım ve katkı sağlamak.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	Yapay sinir ağlarına giriş. Biyolojik ve yapay nöron modelleri, algılayıcı öğrenimi, çok katmanlı algılayıcılar, geri yayılım mekanizmaları. Gözetimli, yarı gözetimli ve gözetimsiz öğrenme.
2	Yapay sinir ağlarındaki temel konular ve yöntemler. Kademeli ve meyilli alçalma, stokastik meyilli alçalma, diğer optimizasyon yöntemleri. Aşırı öğrenme, yakınsama ve genelleme sorunları.
3	Örüntü tanıma ve yapay görme / algılama konularına giriş. İnsanlardaki görme mekanizma ve hiyerarşileri. Yapay görmede çeşitli yöntemler, özellikler, seyrek kodlaması, çoklu hiyerarşiler, derin katmanlar.
4	Derin öğrenmeye giriş. Oto-kodlayıcılar. Oto-kodlayıcılarla öğrenme yöntemleri ve mekanizmaları. Seyrek yapılar ve seyrek verilere ilişkin konular ve yaklaşımlar
5	Kıvrımlı (Konvolusyonel) yapay sinir ağlarında temel kavramlar. Farklı katmanlardaki farklı bilgi işleme süreçleri, katmanlaşma, havuz oluşumu, sıyırma / eleme, kayıplar ve katmanlı eğitim modelleri.
6	Kıvrımlı yapay sinir ağlarının kullanıldığı çeşitli uygulamalar ve teknolojiler.
7	Derin öğrenmede uygulama ve kod geliştirme: Python programlama dili 1. Bölüm
8	Derin öğrenmede uygulama ve kod geliştirme: Python programlama dili 2. Bölüm
9	Derin öğrenmede uygulama ve kod geliştirme: Python temelli mimariler, platformlar ve araçların kullanımı 1. Bölüm
10	Derin öğrenmede uygulama ve kod geliştirme: Python temelli mimariler, platformlar ve araçların kullanımı 2. Bölüm
11	Derin yinelemeli ağlar, LSTM, GRU ve sıralı öğrenme. Basit yinelemeli yapay sinir ağları: Elman ve Jordan ağları. Standart yinelemeli yapay sinir ağları, Uzun / kısa vadeli bellekler.
12	Derin yinelemeli yapay sinir ağlarının kullanıldığı çeşitli uygulamalar ve teknolojiler.
13	Derin ve sığ öğrenme modellerinin karşılaştırmalı analizleri. Kıvrımlı sinir ağları ve derin öğrenme alanına ilişkin karmaşık problemler ve güncel konular.
14	Proje sunumları. Dönem boyu işlenen konuların genel tekrarı ve değerlendirmesi.

Ders İçin Önerilen Kaynaklar

Y. Bengio, I. Goodfellow and A. Courville, Deep Learning, MIT Press, 2016.

L. Deng and D. Yu, Deep Learning: Methods and Applications, Foundations and Trends in Signal Processing, Now Publishers, 2014.

C. Bishop, Pattern Recognition and Machine Learning, Springer, 2006.

K. P. Murphy, Machine learning: a probabilistic perspective, MIT press, 2012.

Öğrenme ve Öğretme Yöntemleri

Ders, anlatım, sınıf sunumu, çeşitli programlama dilleri ve araçlarıyla uygulamalı örnekler ve tartışma biçiminde öğretilecektir. Öğretilen dersin yanı sıra, öğrencilere gruplar halinde sunumlar hazırlatılacak ve tartışmalı oturumlar şeklinde sundurulacaktır. Dersin bazı haftalarında, daha önce verilen ödev sonuçları tartışılarak pekiştirilecektir.

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	ARS	ARASINAV
2	SUN	SUNUM
3	YSS	YIL SONU SINAVI
4	YSBN	YIL SONU BAŞARI NOTU	ARS * 0.40 +SUN * 0.20 +YSS * 0.40
5	BUT	BÜTÜNLEME
6	BUTBN	BÜTÜNLEME SONU BAŞARI NOTU	ARS * 0.40 +SUN * 0.20 +BUT * 0.40

*** Bütünleme Sınavı Yapılmayan Birimlerde Bütünleme Kriteri Dikkate Alınmaz.

Değerlendirme Yöntemlerine İliskin Aciklamalar

Değerlendirme yöntemi, öğrenme çıktıları ve derste kullanılan öğretim teknikleri ile uyumlu olacaktır.

Değerlendirme Kriteri

İlan Edilecektir.

Dersin Öğretim Dili

Türkçe

Derse İlişkin Politika ve Kurallar