Bilgi Paketi

Bilgisayar Mühendisliği Doktora Programı

BİL635

DERİN ÖĞRENME

Ders Kodu
BİL635
Yarıyıl
-
Teori+Uygulama
3 + 0
AKTS
10
Dersin TürüSeçmeli
Dersin DüzeyiDoktora
Dersin Yılı-
Dersin Yarıyılı-
AKTS10
Öğretim Eleman(lar)ı
Öğrenme Kazanımları

Bu dersin sonunda öğrenciler;

  1. Evrişimli sinir ağları, derin Boltzmann makinesi, otomatik kodlayıcılar gibi derin öğrenme metodlarını bilir.
  2. Probleme özgü derin öğrenme mimarisi tasarlamayı bilir.
  3. Derin sinir ağlarını eğitmeyi ve sınamayı bilir.
Veriliş BiçimiYüz Yüze
ÖnkoşullarYok
Önerilen DerslerBIL535 - Makine Öğrenmeye Giriş
Ders Tanımı
Ders İçeriği
HAFTA KONULAR
1. Hafta Makine öğrenmesi temelleri ve uygulamaları
2. Hafta Yapay sinir ağlarına genel bakış
3. Hafta Çok katmanlı perseptron
4. Hafta Derin sinir ağlarının eğitimi
5. Hafta Evrişimsel sinir ağları
6. Hafta Evrişimsel sinir ağları
7. Hafta Yinelenen sinir ağları
8. Hafta Arasınav
9. Hafta Derin üretici modeller
10. Hafta Derin üretici modeller
11. Hafta Derin pekiştirmeli öğrenme
12. Hafta Derin pekiştirmeli öğrenme
13. Hafta Güncel araştırma konuları ve uygulamalar
14. Hafta Güncel araştırma konuları ve uygulamalar
Kaynaklar1. Ian Goodfellow, Yoshua Bengio, and Aaron Courville, Deep Learning, MIT Press, 2016
2. K. P. Murphy. Machine Learning: A Probabilistic Perspective, MIT Press, 2012.
3. Tom Mitchell, \Machine Learning", McGraw-Hill, (1997).
Öğretim Yöntemleri
  • Anlatım
  • Soru-Cevap
  • Sorun/Problem Çözme
  • Sunum
Değerlendirme
Sayısı Toplam Katkısı (%)
Ara Sınav 1 30
Ödev 1 30
Toplam(%) 60
Yıl İçinin Başarıya Oranı(%) 60
Finalin Başarıya Oranı(%) 40
Toplam(%) 100
AKTS İş Yükü
Aktivite Sayı Süre (Saat) İş Yükü
Ara Sınav 1 2 2
Kısa Sınavlara hazırlık
Sınıf Dışı Ders Çalışma Süresi
Final Sınavına Hazırlık
Ders Saati 14 3 42
Ara Sınava Hazırlık 1 30 30
Laboratuvar
Final Sınavı
Ödevler 2 40 80
Proje 1 150 150
Toplam İş Yükü304
Toplam İş Yükü / 3010.13
Dersin AKTS Kredisi10
DilTürkçe
Staj / UygulamaYok
Ö1 Ö2 Ö3
P1 X X
P2 X X
P3 X
P4 X X X
P5 X
P6 X
P7
P8
P9
P10 X
P11
P12