EE709 Advanced Computational Learning Methods and Applications

Genel Bilgi

Dersin Amacı / Hedefi

Bir dizi sinir ağı modelinin tanımını anlamak; Bu modeller için optimizasyon algoritmaları türetebilme ve uygulayabilmek; Dikkat mekanizmalarının ve dizi gömme modellerinin sinirsel uygulamalarını anlamak; Farklı veri kümeleri için ortak sinir ağı modellerini uygulayabilmek ve değerlendirebilmek; Öğrenmeye yönelik iki sayısal yaklaşımı (optimizasyon ve entegrasyon) ve bunların Bayesian yaklaşımıyla nasıl ilişki kurduğunu anlamak; Belirli bir veri türünü tanımlamak için bir modelin nasıl seçileceğini anlamak; Öğrenilen bir modeli pratikte nasıl değerlendirebileceğini bilmek; Yeni sinir ağları çözümleri oluşturmak için gerekli matematiği anlamak.

Dersin İçeriği

Bu, Bayesian sinir ağları gibi sinir ağlarıyla derin öğrenmedeki son gelişmelere odaklanan, yapay sinir ağlarının ileri konuları üzerine ileri bir derstir. Elbette özellikle farklı konuları içeren veri işleme ve bilgisayarlı görme uygulamaları üzerinde durulacak. Sinir ağlarına dayanan son istatistik teknikler, bu alanlarda kayda değer bir ilerleme sağlayarak, çok fazla ticari ve akademik ilgiye yol açtı. Ders, ilgili yapay sinir ağları modellerinin matematiksel tanımlarını tanıtacak ve ilişkili optimizasyon algoritmalarını uygulamak ve bunları ile en az bir konferans bildirisine dönüştürebilecek sinir ağlarının bir dizi uygulamasını kapsayacak, verilerdeki gizli boyutları analiz etme gibi işlenecektir.

Dersin Ön Koşulu

Kaynaklar

Notlar

Dersin Öğrenme Çıktıları

Program Öğrenme Çıktıları ile İlişkisi

Haftalık Akış