Ders Kodu Ders Adı Teorik Uygulama Laboratuvar Yerel Kredi AKTS
EEE420 DERİN ÖĞRENMEYE GİRİŞ 3,00 0,00 0,00 3,00 6,00

Ders Detayı
Dersin Dili : İngilizce
Dersin Seviyesi : Lisans
Ön Koşullar : Yok
Dersin Amacı : Bu ders, derin öğrenme (derin sinir ağları olarak da adlandırılır) adı verilen bir makine öğrenme tekniğine ve aynı zamanda görüntü sınıflandırma, konuşma tanıma ve doğal dil işleme de dahil olmak üzere çeşitli alanlara uygulamalarına temel bir giriş niteliğindedir. Ders boyunca, denetimli ve denetimsiz öğrenim, doğrusal ve lojistik regresyon, sürekli optimizasyon (özellikle degrade iniş değişkenleri), genelleme teorisi ve aşırı uydurma, düzenleyiciler ve olasılık modellemesi gibi temel kavramlara sezgisel bir giriş sağlar.
Dersin İçeriği : Makine öğrenmesi temelleri ve Derin öğrenme gibi Derin Öğrenme alanlarına ilişkin temel kavramları sağlamak. Elbette bu alanda temel araştırma uzmanlığı kazanmayı da amaçlamaktadır. Bu görev bir dizi açık uçlu ev ödevi ile gerçekleştirilir.
Dersin Kitabı / Malzemesi / Önerilen Kaynaklar : Ian Goodfellow, Yoshua Bengio, and Aaron Courville, Deep Learning, MIT Press, 2016
Planlanan Öğrenme Etkinlikleri ve Öğretme Yöntemleri : Lecture
Ders İçin Önerilen Diğer Hususlar : -
Dersi Veren Öğretim Elemanları : Dr. Öğr. Üyesi Volkan Kılıç
Dersi Veren Öğretim Elemanı Yardımcıları : -
Dersin Verilişi : Birebir ders anlatımı

  • 1 Makine öğrenmenin temellerini ve algoritmalarını öğrenmek
  • 2 Derin öğrenme temellerini ve algoritmalarını öğrenmek
  • 3 Derin öğrenme algoritmalarının sonuçlarını yorumlamak ve değerlendirmek
  • 4 Gerçek dünya problemine uygun derin öğrenme tekniklerinden oluşan bir çözüm önermek
  • 5 Bir yazılım araç kutusunu kullanarak deneysel şekilde temel derin öğrenme alıştırmalarını çözmek ve deneysel çalışma raporları ve öz değerlendirme raporları yazmak

Ders Kodu Ders Adı Teorik Uygulama Laboratuvar Yerel Kredi AKTS

Teorik Uygulama Laboratuvar Hazırlık Bilgileri Öğretim Metodları
1.Hafta *Giriş
2.Hafta *Makine öğrenmesi temelleri 1: doğrusal regresyon
3.Hafta *Makine öğrenmesi temelleri 2: doğrusal sınıflandırma
4.Hafta *Makine öğrenmesi temelleri 3: Çok katmanlı algılayıcı
5.Hafta *Makine öğrenmesi temelleri 4: SVM
6.Hafta *Makine öğrenmesi temelleri 5: Aşırı uyma
7.Hafta *Makine öğrenmesi temelleri 6: Çoklu sınıflandırma
8.Hafta *Ara SINAV
9.Hafta *Derin öğrenme 1: Geri yayılım
10.Hafta *Derin öğrenme 2: Düzenleme
11.Hafta *Derin öğrenme 3: Evrişim
12.Hafta *Derin öğrenme 4: Evrişimli sinir ağları
13.Hafta *Derin öğrenme 5: Faktör analizi
14.Hafta *Derin öğrenme 6: Tekrarlayan sinir ağları
15.Hafta *Derin öğrenme 7: Doğal dil işleme

  • 1 Ev Ödevi : 35,000
  • 2 Vize : 25,000
  • 3 Final : 40,000

Aktiviteler Sayı Süresi(Saat) Toplam İş Yükü
Derse Katılım 14 3,00 42,00
Ders Öncesi Biresysel Çalışma 14 2,00 28,00
Ders Sonrası Biresysel Çalışma 14 2,00 28,00
Ev Ödevi 4 15,00 60,00
Ara Sınav Hazırlık 1 10,00 10,00
Final Sınavı Hazırlık 1 15,00 15,00
Final 1 3,00 3,00
Vize 1 3,00 3,00
Toplam : 189,00
Toplam İş Yükü / 30 ( Saat ) : 6
AKTS : 6,00