Genel Bilgi
Kod | CENG0039 |
Ad | Advanced Topics in Deep Learning |
Dönem | 2024-2025 Eğitim-Öğretim Yılı |
Dönem | Güz |
Süre (T+U) | 3-0 (T-U) (17 Hafta) |
AKTS | 6 AKTS |
Yerel Kredi | 3 Yerel Kredi |
Eğitim Dil | İngilizce |
Seviye | Yüksek Lisans Dersi |
Tür | Normal |
Öğretim Şekli | Yüz Yüze Öğretim |
Bilgi Paketi Koordinatörü | Prof. Dr. UMUT ORHAN |
Dersin Öğretim Elemanı |
Güncel dönem ders programı henüz yapılmamıştır. |
Dersin Amacı / Hedefi
In this course, attendees will: Understand the context of neural networks and deep learning Know how to use a neural network Understand the data needs of deep learning Have a working knowledge of neural networks and deep learning Explore the parameters for neural networks
Dersin İçeriği
You do not need an extensive math background to understand neural network. In understandable steps, this course builds from a one node neural network to a multiple features, multiple output neural networks. All the steps are explained using working code to solve problems. After an understanding of how neural networks work and the parameters that control deep learning systems, Keras is introduced and used to simplify the building of deep learning neural networks. A convolutional deep learning neural network is built using Keras to show how deep learning is used in specialized neural networks. This course provides the necessary required background to understand ROI’s Time Series Analysis and Natural Language Processing courses.
Dersin Ön Koşulu
Yok
Kaynaklar
Y. Bengio, I. Goodfellow and A. Courville, “Deep Learning”, MIT Press, 2016.
Notlar
Çeşitli makaleler
Dersin Öğrenme Çıktıları
Sıra | Dersin Öğrenme Çıktıları |
---|---|
ÖÇ01 | Öğrenciler etkinliği açısından yaygın derin öğrenme yöntemlerini değerlendirebilir. |
ÖÇ02 | Öğrenciler kullanılması düşünelen derin öğrenme yönteminin avantaj ve dezavantajlarını değerlendirebilir. |
ÖÇ03 | Öğrenciler temel derin öğrenme çözümleri tasarlayıp sınayabilir. |
ÖÇ04 | Öğrenciler öngörülen çözüm için uygun derin öğrenme mimarisi ve algoritmasını belirleyip uygular. |
ÖÇ05 | Öğrenciler derin modellerin düzenlenmesi ve optimizasyon yöntemleri hakında bilgi sahibidir. |
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. | 3 |
PÖÇ02 | Bilgi - Kuramsal, Olgusal | Mühendislik alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgiyi değerlendirir, yorumlar ve uygular. | 3 |
PÖÇ03 | Yetkinlikler - Öğrenme Yetkinliği | Mesleğinin yeni ve gelişmekte olan uygulamalarının farkında olup, gerektiğinde bunları inceler ve öğrenir. | 2 |
PÖÇ04 | Yetkinlikler - Öğrenme Yetkinliği | Mühendislik problemlerini kurgular, çözmek için yöntem geliştirir ve çözümlerde yenilikçi yöntemler uygular. | 4 |
PÖÇ05 | Yetkinlikler - Öğrenme Yetkinliği | Analitik, modelleme ve deneysel esaslı araştırmaları tasarlar ve uygular, bu süreçte karşılaşılan karmaşık durumları çözümler ve yorumlar. | |
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. | 4 |
PÖÇ08 | Beceriler - Bilişsel, Uygulamalı | Bilgisayar Mühendisliğinin yeni ve gelişmekte olan uygulamalarının farkında olup gerektiğinde bunları inceler ve öğrenir. | 2 |
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. | 2 |
PÖÇ11 | Beceriler - Bilişsel, Uygulamalı | Bilgisayar Mühendisliğinin gerektirdiği düzeyde bilgisayar yazılımı ile birlikte bilişim ve iletişim teknolojilerini ileri düzeyde etkileşimli olarak kullanır. | 3 |
PÖÇ12 | Bilgi - Kuramsal, Olgusal | Mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. |
Haftalık Akış
Hafta | Konu | Ön Hazırlık | Yöntemler |
---|---|---|---|
1 | Giriş – Tarihçe ve Teorik Temeller | Ders notları ve uygulamalara çalışmak | Öğretim Yöntemleri: Anlatım |
2 | Matematiksel Temeller: Lineer Cebir, Olasılık ve Bilgi Teorisi | Ders notları ve uygulamalara çalışmak | Öğretim Yöntemleri: Anlatım |
3 | Yapay Sinir Ağları Temel Bilgiler | Ders notları ve uygulamalara çalışmak | Öğretim Yöntemleri: Anlatım |
4 | İleri Beslemeli Derin Ağlar | Ders notları ve uygulamalara çalışmak | Öğretim Yöntemleri: Anlatım |
5 | Derin veya Dağıtık Modellerin Düzenlenmesi | Ders notları ve uygulamalara çalışmak | Öğretim Yöntemleri: Anlatım |
6 | Derin Modellerin Eğitimi için Optimizasyon Teknikleri | Ders notları ve uygulamalara çalışmak | Öğretim Yöntemleri: Anlatım |
7 | Konvolüsyonel Ağlar | Ders notları ve uygulamalara çalışmak | Öğretim Yöntemleri: Anlatım |
8 | Ara Sınavlar | Tüm dersler çalışılmalı | Ölçme Yöntemleri: Yazılı Sınav |
9 | Otomatik Kodlayıcılar 1 | Ders notları ve uygulamalara çalışmak | Öğretim Yöntemleri: Anlatım |
10 | Otomatik Kodlayıcılar 2 | Ders notları ve uygulamalara çalışmak | Öğretim Yöntemleri: Anlatım |
11 | Lineer Faktör Modelleri | Ders notları ve uygulamalara çalışmak | Öğretim Yöntemleri: Anlatım |
12 | Temsil Yoluyla Öğrenme-1 | Ders notları ve uygulamalara çalışmak | Öğretim Yöntemleri: Anlatım |
13 | Temsil Yoluyla Öğrenme-2 | Ders notları ve uygulamalara çalışmak | Öğretim Yöntemleri: Anlatım |
14 | Derin Üretken Modeller | Ders notları ve uygulamalara çalışmak | Öğretim Yöntemleri: Anlatım |
15 | Boltzman Makineleri | Ders notları ve uygulamalara çalışmak | Öğretim Yöntemleri: Anlatım |
16 | Yarıyıl Sonu Sınavları | Tüm dersler çalışılmalı | Ölçme Yöntemleri: Yazılı Sınav, Proje / Tasarım |
17 | Yarıyıl Sonu Sınavları | Tüm dersler çalışılmalı | 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 | 15 | 15 |
Yarıyıl/Yıl Sonu/Final Sınavı | 1 | 30 | 30 |
Toplam İş Yükü (Saat) | 157 | ||
Toplam İş Yükü / 25 (s) | 6,28 | ||
AKTS | 6 AKTS |