• ANASAYFA
• ÜNİVERSİTE HAKKINDA
  • İsim - Adres
  • Genel Bilgi
  • Üniversite Yönetimi
  • Akademik Takvim
  • Derece Programları
  • Yabancı Dilde Eğitim Veren Birimler
  • Genel Kabul ve Kayıt Koşulları
  • Kredi Hareketliliği ve Önceki Öğrenmenin Tanınması
  • AKTS Kredilerinin Belirlenmesi
  • Akademik Danışmanlık
  • İletişim
• DERECE PROGRAMLARI
  • Doktora Programları
  • Yüksek Lisans Programları
  • Lisans Programları
  • Önlisans Programları
• ÖĞRENCİ İÇİN GENEL BİLGİLER
  • Yaşam Standardı
  • Barınma
  • Beslenme
  • Sağlık
  • Engelli İçin Olanaklar
  • Sigorta
  • Finansal Destekler
  • Öğrenci İşleri Daire Başkanlığı
  • Uluslararası Öğrenciler için Pratik Bilgiler
  • Dil Kursları
  • Staj Olanakları
  • Sportif, Sosyal ve Kültürel Faaliyetler
  • Öğrenci Toplulukları ve Kulüpler
  • İzmir-Türkiye Hakkında
• ULUSLARARASI İLİŞKİLER
  • Dış İlişkiler Koordinatörlüğü
  • Kayıt İşlemleri
  • Anlaşmalar
  • Koordinatörler
  • Belgeler
  • Yabancı Dilde Eğitim Veren Birimler
  • AKTS/DE Etiketi

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

PROF. DR. BURCU HÜDAVERDİ AKTAŞ

Dersi Alan Birimler

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

Dersin Amacı

Dersin Öğrenme Kazanımları

1   Genel makine öğrenimi terminolojisini anlamak 2   En yaygın derin sinir ağlarının motivasyonunu ve işleyişini anlamak 3   Python/R programlama dilini destekleyen TensorFlow, Keras, vb derin öğrenme uygulama platformlarını kullanarak çeşitli uygulamalar geliştirmek. 4   Derin öğrenmeye ilişkin çeşitli yöntemler, algoritmalar ve teknikleri tanımlamak ve kullanabilmek. 5   Model performansını eleştirel bir şekilde değerlendirmek ve sonuçları yorumlamak

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama 1 Makine öğrenimi ve sinir ağlarına giriş: denetimli öğrenme, regresyon için doğrusal modeller, temel sinir ağı yapısı, basit örnekler ve derin ağlar için motivasyon. 2 Sinir Ağlarına giriş. Biyolojik nöron, Yapay nöron modelleri,Algılayıcı öğrenimi, Çok katmanlı algılayıcı öğrenimi, Geri yayılım. denetimli, yarı denetimli ve denetimsiz öğrenme. 3 Yapay Sinir Ağlarının Temelleri: ileri yayılım, maliyet fonksiyonları, hata geri yayılımı, gradyan inişi ile eğitim, yanlılık//varyans 4 Yapay Sinir Ağlarının Temelleri: Gradyan inişi, Stokastik gradyan inişi, diğer optimizasyon yöntemleri, Yakınsama sorunları, aşırı uyum, düzenleme, genelleme. 5 Algılayıcı ve ANN'de Uygulamalar 6 Derin Öğrenmeye Giriş. Otomatik kodlayıcılar. Otomatik kodlayıcılarla gösterimleri öğrenme, seyrekliğin etkisi ve seyrek veri sorunları. 7 Konvolüsyonlu Sinir Ağları: Temel teorik kavramlar. İşlemenin farklı katmanları, konvolüsyon, havuzlama, bırakma, kayıp, eğitim. 8 Evrişimsel Sinir Ağları Üzerindeki Uygulamalar 9 Proje sunumları 10 Üretici Modeller: Segmentasyon, U-Net, Üretken Çelişkili Ağlar (GAN) 11 GAN Üzerindeki Uygulamalar 12 Derin Tekrarlayan Sinir Ağları 13 Derin Tekrarlayan Ağların Uygulamaları. 14 Proje sunumları ve Dönem boyunca ele alınan konuların genel tartışması ve gözden geçirilmesi.

Ders İçin Önerilen Kaynaklar

İlan Edilecektir.

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 ODV ÖDEV 2 ARS ARASINAV 3 PRJ PROJE 4 YSBN YIL SONU BAŞARI NOTU ODV * 0.30 + ARS * 0.40 + PRJ * 0.30

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

İlan Edilecektir.

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 Proje Final Sunumu 1 2 2 Vize Sınavı 1 2 2 TOPLAM İŞ YÜKÜ (saat) 202

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK PK.1 PK.2 PK.3 PK.4 PK.5 PK.6 PK.7 ÖK.1 3 5 3 4 4 4 5 ÖK.2 5 3 4 5 4 4 5 ÖK.3 2 4 5 4 5 3 5 ÖK.4 4 3 3 4 3 4 3 ÖK.5 5 4 3 4 4 4 4