| Dersin Türü | Seçmeli |
|---|
| Dersin Düzeyi | Önlisans |
|---|
| Dersin Yılı | - |
|---|
| Dersin Yarıyılı | - |
|---|
| AKTS | 5 |
|---|
| Öğretim Eleman(lar)ı |
- |
| Öğrenme Kazanımları |
Bu dersin sonunda öğrenciler;
- Yapay zeka, makine öğrenmesi ve derin öğrenme arasındaki temel kavramları, ilişkileri ve farklılıkları açıklayabilme.
- Yapay sinir ağlarının temel ve ileri derin öğrenme mimarilerinin çalışma prensiplerini açıklayabilme ve uygun problem türlerinde kullanabilme.
- Derin öğrenme kütüphanelerini kullanarak veri hazırlama, model oluşturma, model eğitme ve test etme süreçlerini gerçekleştirebilme.
- Derin öğrenme modellerinin performansını değerlendirebilme, aşırı öğrenme problemlerini belirleyebilme ve gerçek problemlere yönelik geliştirilen modellerin sonuçlarını analiz ederek yorumlayabilme.
|
| Veriliş Biçimi | Yüz Yüze |
|---|
| Önkoşullar | Yok |
|---|
| Önerilen Dersler | |
|---|
| Ders Tanımı | Derin öğrenme ve makine öğrenmesi temellerini kavratarak, derin öğrenme algoritmaları üzerinde bilgi edinilmesini amaçlamaktadır. Programlama dili yardımı ile derin öğrenme uygulamaları gerçekleştirerek yapay zeka destekli iş yapabilen sistem tasarımının temellerinin öğretilmesi amaçlanmıştır. |
|---|
| Ders İçeriği |
| HAFTA |
KONULAR |
|
1. Hafta |
Derin Öğrenmeye Giriş ve Temel Kavramlar |
|
2. Hafta |
Makine Öğrenmesi ve Derin Öğrenme İlişkisi |
|
3. Hafta |
Yapay Sinir Ağlarının Temelleri |
|
4. Hafta |
Çok Katmanlı Yapay Sinir Ağları |
|
5. Hafta |
Aktivasyon Fonksiyonları ve Kayıp Fonksiyonları |
|
6. Hafta |
Sinir Ağlarının Eğitilmesi ve Geri Yayılım Algoritması |
|
7. Hafta |
Sinir Ağlarının Eğitilmesi ve Geri Yayılım Algoritması |
|
8. Hafta |
Ara Sınav |
|
9. Hafta |
Evrişimsel Sinir Ağları (CNN) |
|
10. Hafta |
CNN ile Görüntü Sınıflandırma Uygulaması |
|
11. Hafta |
Tekrarlayan Sinir Ağları (RNN) |
|
12. Hafta |
Model Başarımının Değerlendirilmesi ve Aşırı Öğrenme |
|
13. Hafta |
Derin Öğrenme Uygulaması |
|
14. Hafta |
Derin Öğrenme Uygulaması |
|
15. Hafta |
Derin Öğrenme Uygulaması |
|
| Kaynaklar | Neural Networks and Deep Learning: A Textbook, Charu C. Aggarwal, 2.Baskı, Haziran 2023, Springer |
|---|
| Öğretim Yöntemleri |
- Anlatım
- Soru-Cevap
- Eğitim-Uygulama
|
|---|
| Değerlendirme |
|
Sayısı |
Toplam Katkısı (%) |
| Ara Sınav |
1 |
40 |
| Toplam(%) |
|
40 |
| Yıl İçinin Başarıya Oranı(%) |
|
40 |
| Finalin Başarıya Oranı(%) |
|
60 |
| Toplam(%) |
|
100 |
|
| AKTS İş Yükü |
| Aktivite |
Sayı |
Süre (Saat) |
İş Yükü |
| Ara Sınav |
|
|
|
| Kısa Sınavlara hazırlık |
|
|
|
| Sınıf Dışı Ders Çalışma Süresi |
14 |
3 |
42 |
| Final Sınavına Hazırlık |
14 |
3 |
42 |
| Ders Saati |
14 |
2 |
28 |
| Ara Sınava Hazırlık |
|
|
|
| Laboratuvar |
14 |
1 |
14 |
| Final Sınavı |
1 |
1 |
1 |
| Ödevler |
5 |
5 |
25 |
| Toplam İş Yükü | 152 |
| Toplam İş Yükü / 30 | 5.06 |
| Dersin AKTS Kredisi | 5 |
|
| Dil | Türkçe |
|---|
| Staj / Uygulama | Yok |
|---|
