Genel Bilgi
Kod | CENG0058 |
Ad | Applications of deep generative models |
Dönem | 2023-2024 Eğitim-Öğretim Yılı |
Dönem | Bahar |
Süre (T+U) | 3-0 (T-U) (17 Hafta) |
AKTS | 6 AKTS |
Yerel Kredi | 3 Yerel Kredi |
Eğitim Dil | Türkçe |
Seviye | Doktora Dersi |
Tür | Normal |
Öğretim Şekli | Yüz Yüze Öğretim |
Bilgi Paketi Koordinatörü | Mehmet SARIGÜL |
Dersin Öğretim Elemanı |
Güncel dönem ders programı henüz yapılmamıştır. |
Dersin Amacı / Hedefi
Derin Üretken Modellerin Uygulamaları dersinin amacı, öğrencilere derin üretken modeller ve bunların çeşitli alanlardaki çeşitli uygulamaları hakkında kapsamlı bir anlayış sağlamaktır. Ders, öğrencileri gerçek dünya sorunlarını çözmek, gerçekçi sentetik veriler oluşturmak ve bilgisayarla görme, doğal dil işleme, sağlık hizmetleri ve daha fazlası gibi alanlarda yaratıcı uygulamaları keşfetmek için derin üretken modelleri uygulamak için gerekli bilgi ve becerilerle donatmayı amaçlamaktadır.
Dersin İçeriği
Bu ders, Derin Üretken Modellere Giriş, Varyasyonel Otokodlayıcılar (VAE'ler), Üretken Karşıt Ağlar (GAN'lar) ve akış tabanlı modeller dahil olmak üzere derin üretken modellere giriş, görüntü oluşturmada VAE Uygulamaları, görüntüden görüntüye çeviri, ve veri sentezi, Üretken Karşıt Ağlar (GAN'lar), GAN mimarisi ve eğitim teknikleri, GAN değerlendirme ölçütleri (ör. başlangıç puanı, Frechet Başlangıç Mesafesi), GAN'ların görüntü oluşturma, stil aktarımı ve veri artırmadaki uygulamaları, Akış Tabanlı Üretken Modeller , Akış tabanlı modellerin mimarisi ve eğitimi, Yoğunluk tahmini ve olasılık değerlendirmesi, Görüntü oluşturma ve sentezinde akış tabanlı modellerin uygulamaları, Metin Oluşturma ve Dil Modelleme, Tekrarlayan Sinir Ağları (RNN'ler) ve dil modelleme için LSTM modelleri, Derinlik uygulamaları metin oluşturmada üretken modeller, diyalog sistemleri ve dil çevirisi, Denetimsiz ve Yarı Denetimli Öğrenme, Anomali Tespiti ve Aykırı Değer Analizi, Dolandırıcılık tespitindeki uygulamalar, siber güvenlik ve aykırı değer analizi, Veri Büyütme ve Gizlilik, Sağlık ve Tıbbi Görüntü Analizi, Sanatsal görüntü derin üretken modeller, Etik Hususlar ve Sosyal Etki İleri Konuları içerir.
Dersin Ön Koşulu
Temel programlama, lineer cebir ve olasılık teorisi bilgisi.
Kaynaklar
Tomczak, J. M. (2022). Deep generative modeling (pp. 1-197). Springer.
Notlar
Tomczak, J. M. (2022). Deep generative modeling (pp. 1-197). Springer.
Dersin Öğrenme Çıktıları
Sıra | Dersin Öğrenme Çıktıları |
---|---|
ÖÇ01 | Derin Üretken Modelleri Anlamak |
ÖÇ02 | Üretken Model Uygulamaları Bilgisine sahip olmak |
ÖÇ03 | Derin Üretken Modellerin Etki Alanına Özgü Uygulamaları için uygulama becerisi |
ÖÇ04 | Derin Öğrenme Uygulamaları için Değerlendirme ve Değerlendirme |
Program Öğrenme Çıktıları ile İlişkisi
Sıra | Tür | Program Öğrenme Çıktıları | Duzey |
---|---|---|---|
PÖÇ01 | Bilgi - Kuramsal, Olgusal | Lisans düzeyinde kazanılan yetkinlikler temelinde Bilgisayar Mühendisliği temel alanında özgün çalışmalar için gerekli temeli sağlayan ileri düzeyde bilgi ve kavrayışa sahiptir. | 4 |
PÖÇ02 | Bilgi - Kuramsal, Olgusal | Mühendislik alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgiyi değerlendirir, yorumlar ve uygular. | 4 |
PÖÇ03 | Yetkinlikler - Öğrenme Yetkinliği | Mesleğinin yeni ve gelişmekte olan uygulamalarının farkında olup, gerektiğinde bunları inceler ve öğrenir. | 3 |
PÖÇ04 | Yetkinlikler - Öğrenme Yetkinliği | Mühendislik problemlerini kurgular, çözmek için yöntem geliştirir ve çözümlerde yenilikçi yöntemler uygular. | 3 |
PÖÇ05 | Yetkinlikler - Öğrenme Yetkinliği | Analitik, modelleme ve deneysel esaslı araştırmaları tasarlar ve uygular, bu süreçte karşılaşılan karmaşık durumları çözümler ve yorumlar. | 2 |
PÖÇ06 | Yetkinlikler - Öğrenme Yetkinliği | Yeni ve/veya özgün fikir ve yöntemler geliştirir, sistem, parça veya süreç tasarımlarında yenilikçi çözümler geliştirir. | 2 |
PÖÇ07 | Beceriler - Bilişsel, Uygulamalı | Öğrenme becerilerine sahip olur. | 2 |
PÖÇ08 | Beceriler - Bilişsel, Uygulamalı | Bilgisayar Mühendisliğinin yeni ve gelişmekte olan uygulamalarının farkında olup gerektiğinde bunları inceler ve öğrenir. | 3 |
PÖÇ09 | Beceriler - Bilişsel, Uygulamalı | Çalışmalarının süreç ve sonuçlarını Bilgisayar Mühendisliği alanındaki veya alan dışındaki ulusal ve uluslararası ortamlarda açık bir şekilde yazılı veya sözlü olarak aktarır. | |
PÖÇ10 | Beceriler - Bilişsel, Uygulamalı | Bilgisayar Mühendisliğinde uygulanan güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgiye sahip olur. | 1 |
PÖÇ11 | Beceriler - Bilişsel, Uygulamalı | Bilgisayar Mühendisliğinin gerektirdiği düzeyde bilgisayar yazılımı ile birlikte bilişim ve iletişim teknolojilerini ileri düzeyde etkileşimli olarak kullanır. | 1 |
PÖÇ12 | Bilgi - Kuramsal, Olgusal | Mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. | 2 |
Haftalık Akış
Hafta | Konu | Ön Hazırlık | Yöntemler |
---|---|---|---|
1 | Derin üretken modellere ve uygulamalarına giriş. | Ders notlarının okunması | Öğretim Yöntemleri: Anlatım |
2 | Değişken Otomatik Kodlayıcılar (VAE'ler): mimari, eğitim ve uygulamalar. | Ders notlarının okunması | Öğretim Yöntemleri: Anlatım |
3 | Üretken Çekişmeli Ağlar (GAN'lar): mimari, eğitim ve uygulamalar. | Ders notlarının okunması | Öğretim Yöntemleri: Anlatım |
4 | Akış tabanlı üretken modeller: mimari, eğitim ve uygulamalar. | Ders notlarının okunması | Öğretim Yöntemleri: Anlatım |
5 | Derin üretken modeller kullanarak görüntü oluşturma ve sentezleme. | Ders notlarının okunması | Öğretim Yöntemleri: Anlatım |
6 | Derin üretken modellerle metin oluşturma ve dil modelleme. | Ders notlarının okunması | Öğretim Yöntemleri: Anlatım |
7 | Üretken modeller kullanılarak denetimsiz ve yarı denetimli öğrenme. | Ders notlarının okunması | Öğretim Yöntemleri: Anlatım |
8 | Ara Sınavlar | Ölçme Yöntemleri: Yazılı Sınav |
|
9 | Üretken modeller için değerlendirme ölçütleri: başlangıç puanı, FID vb. | Ders notlarının okunması | Öğretim Yöntemleri: Anlatım |
10 | Üretken modellerle anormallik tespiti ve aykırı değer analizi. | Ders notlarının okunması | Öğretim Yöntemleri: Anlatım |
11 | Üretken modeller kullanarak veri artırma. | Ders notlarının okunması | Öğretim Yöntemleri: Anlatım |
12 | Üretken modellerde mahremiyet hususları ve düşmanca saldırılar. | Ders notlarının okunması | Öğretim Yöntemleri: Anlatım |
13 | Sağlık ve tıbbi görüntü analizi uygulamaları. | Ders notlarının okunması | Öğretim Yöntemleri: Anlatım |
14 | Üretken modellerin yaratıcı uygulamaları: sanat, müzik, tasarım. | Ders notlarının okunması | Öğretim Yöntemleri: Anlatım |
15 | Gözden Geçirme | Ders notlarının okunması | Öğretim Yöntemleri: Anlatım |
16 | Yarıyıl Sonu Sınavları | Ölçme Yöntemleri: Yazılı Sınav |
|
17 | Yarıyıl Sonu Sınavları | Ölçme Yöntemleri: Yazılı Sınav |
Öğrenci İş Yükü - AKTS
Çalışmalar | Sayısı | Süresi (Saat) | İş Yükü (Saat) |
---|---|---|---|
Ders ile İlgili Çalışmalar | |||
Ders (Sınav haftaları dahil değildir) | 14 | 3 | 42 |
Sınıf Dışı Ders Çalışma (Ön çalışma, pekiştirme) | 14 | 5 | 70 |
Değerlendirmeler ile İlgili Çalışmalar | |||
Ödev, Proje, Diğer | 0 | 0 | 0 |
Ara Sınavlar (Yazılı, Sözlü, vs.) | 1 | 14 | 14 |
Yarıyıl/Yıl Sonu/Final Sınavı | 1 | 28 | 28 |
Toplam İş Yükü (Saat) | 154 | ||
Toplam İş Yükü / 25 (s) | 6,16 | ||
AKTS | 6 AKTS |