DERS ADI

: Derin Öğrenme Yöntemleri ve Uygulamaları

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

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


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

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

mete.eminagaoglu@deu.edu.tr

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

İlan edilecektir.

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat)
Ders Anlatımı 14 3 42
Haftalık Ders öncesi/sonrası hazırlıklar 13 4 52
Final Sınavına Hazırlık 1 20 20
Ödev Hazırlama 2 30 60
Sunum Hazırlama 2 12 24
Final Sınavı 1 2 2
TOPLAM İŞ YÜKÜ (saat) 200

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖKPK.1PK.2PK.3PK.4PK.5PK.6PK.7
ÖK.13534445
ÖK.25345445
ÖK.32454535
ÖK.44334343
ÖK.55434444