AKTS - İleri Derin Öğrenme Teknikleri ve Uygulamaları
İleri Derin Öğrenme Teknikleri ve Uygulamaları (CMPE452) Ders Detayları
| Ders Adı | Ders Kodu | Dönemi | Saati | Uygulama Saati | Laboratuar Hours | Kredi | AKTS |
|---|---|---|---|---|---|---|---|
| İleri Derin Öğrenme Teknikleri ve Uygulamaları | CMPE452 | Alan Seçmeli | 3 | 0 | 0 | 3 | 5 |
| Ön Koşul Ders(ler)i |
|---|
| N/A |
| Dersin Dili | İngilizce |
|---|---|
| Dersin Türü | Seçmeli Dersler |
| Dersin Seviyesi | Fen Bilimleri Yüksek Lisans |
| Ders Verilme Şekli | |
| Dersin Öğrenme ve Öğretme Teknikleri | Anlatım, Soru Yanıt, Uygulama-Alıştırma, Sorun/Problem Çözme. |
| Dersin Öğretmen(ler)i |
|
| Dersin Amacı | Dersin amacı, öğrencileri derin öğrenme prensiplerini iyi bir şekilde anlamaları için yetiştirmek, bu sayede ileri düzey sinir ağı modellerini tasarlayıp uygulayabilmelerini ve değerlendirebilmelerini sağlamaktır. |
| Dersin Eğitim Çıktıları |
Bu dersi başarıyla tamamlayabilen öğrenciler;
|
| Dersin İçeriği | Yapay zekâ, makine öğrenimi ve derin öğrenme, sinir ağlarının matematiksel yapı taşları, denetimli öğrenme, geri yayılım, CNN'ler, nesne tanıma, görüntü segmentasyonu, özellik çıkarma, NLP, optimizasyon teknikleri |
Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları
| Hafta | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Ders Tanıtımı, Makine Öğrenimine Giriş | Ders Kitabı – Böl. 1.1 |
| 2 | Sinir Ağlarına Giriş, Python ile Kodlama (Yapay Beyin Geliştirme) | Ders Kitabı – Böl. 2.1 |
| 3 | Derin Öğrenmeye Giriş | Ders Kitabı – Böl. 1.2, Böl. 1.3 |
| 4 | Denetimli Derin Öğrenme I, Denetimli Derin Öğrenme II | Ders Notları |
| 5 | Birinci Kısım: Geri Yayılım İkinci Kısım: Kaggle Veri Seti ile Derin Öğrenme Modeli Denemesi | Ders Kitabı – Böl. 2.2, Böl. 4.1, Böl. 4.2, Böl. 5.1 |
| 6 | Evrişimsel Ağların Teknik Gelişimi, Birden Çok Nesne Tanıma, Görsel Nesne Algılama ve Basit Nesne Tanıma için Evrişimsel Ağlar | Ders Kitabı – Böl. 3.1 |
| 7 | Ara Sınav | |
| 8 | Segmentasyon ve Görüş Tabanlı Navigasyon için ConvNet, Görüntü Segmentasyonu ve Sahne Etiketleme için Evrişimsel Ağlar, Gerçek Nesne Tanıma için Evrişimsel Ağlar | Ders Kitabı – Böl. 3.1 |
| 9 | Genel Özellik Çıkarıcılar olarak ConvNet'ler, Siyam Ağları ile Görüntü Benzerliği Eşleştirme, Stereo'dan Doğru Derinlik Tahmini, Vücut Pozu Tahmini, Görsel Proje Fikirleri, Konuşma, Ses ve Sinyallerde Derin Öğrenme ve Evrişimsel Ağ Örnekleri, Evrişimsel Ağlar için Yazılım Araçları ve Donanım Hızlandırma | Ders Kitabı – Böl. 3.1, Böl. 3.3 |
| 10 | Yapısal Tahmin ve Doğal Dil İşleme | Ders Kitabı – Böl. 8.1, Böl. 8.3 |
| 11 | Birinci Kısım: Daha Fazla Geri Yayılım İkinci Kısım: Yarı-denetimli Görüntü Tanıma | Ders Kitabı – Böl. 6.1, Böl. 6.2 |
| 12 | Optimizasyon Teknikleri, Aşırı Öğrenmeyi Azaltma, Başlangıç Ayarları | Ders Kitabı – Böl. 5.3, Böl. 9.1, Böl. 9.2 |
| 13 | Python ile Kodlama (Görüntü Segmentasyonu) | Deep Learning with Python, Second Edition by Francois Chollet – Böl. 9.2 |
| 14 | Uydu Görselleri ile Afet Risk İzleme | Ders Kitabı – Böl. 10.2, Böl. 10.3 |
| 15 | Ders Tekrarı | |
| 16 | Final Sınavı |
Kaynaklar
| Ders Kitabı | 1. Understanding Deep Learning: Building Machine Learning Systems with PyTorch and TensorFlow by TransformaTech Institute, independently published Nov. 10, 2024. |
|---|---|
| Diğer Kaynaklar | 2. NVIDIA Deep Learning Institute: https://www.nvidia.com/en-us/training/ |
| 3. Deep Learning with Python, Second Edition by Francois Chollet, Publisher: Manning, Dec. 21, 2021. | |
| 4. Deep Learning by Ian Goodfellow, Publisher: The MIT Press, Nov. 18, 2016. | |
| 5. Neural Networks and Deep Learning: A Textbook by Charu C. Aggarwal, Publisher: Springer, Sep. 13, 2018. | |
| 6. PyTorch web page: https://pytorch.org/ & TensorFlow web page: https://www.tensorflow.org/ |
Değerlendirme System
| Çalışmalar | Sayı | Katkı Payı |
|---|---|---|
| Devam/Katılım | - | - |
| Laboratuar | - | - |
| Uygulama | - | - |
| Alan Çalışması | - | - |
| Derse Özgü Staj | - | - |
| Küçük Sınavlar/Stüdyo Kritiği | - | - |
| Ödevler | 1 | 20 |
| Sunum | - | - |
| Projeler | - | - |
| Rapor | - | - |
| Seminer | - | - |
| Ara Sınavlar/Ara Juri | 1 | 35 |
| Genel Sınav/Final Juri | 1 | 45 |
| Toplam | 3 | 100 |
| Yarıyıl İçi Çalışmalarının Başarı Notu Katkısı | 55 |
|---|---|
| Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı | 45 |
| Toplam | 100 |
Kurs Kategorisi
| Temel Meslek Dersleri | X |
|---|---|
| Uzmanlık/Alan Dersleri | |
| Destek Dersleri | |
| İletişim ve Yönetim Becerileri Dersleri | |
| Aktarılabilir Beceri Dersleri |
Dersin Öğrenim Çıktılarının Program Yeterlilikleri ile İlişkisi
| # | Program Yeterlilikleri / Çıktıları | Katkı Düzeyi | ||||
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| 1 | İleri düzey hesaplama ve/veya bilişim bilgilerini yazılım mühendisliği problemlerini çözmede uygulama becerisi. | |||||
| 2 | Farklı teknolojiler, yazılım mimarileri ve yaşam-döngüsü yaklaşımları kullanarak çözümler geliştirmek. | |||||
| 3 | Bir yazılım sistemini, bileşenini, sürecini veya programını, modern teknikler ve yazılım mühendisliği uygulamalarına yönelik mühendislik araçlarını kullanarak, tasarlama, gerçekleştirme ve değerlendirme becerisi. | |||||
| 4 | Yazılım gereksinimlerini anlamak için, veri toplama, analiz etme ve yorumlama becerisi. | |||||
| 5 | Yazılım projeleri üzerindeki çalışmalar kapsamında ortaya çıkan problemler üzerinde etkin sözlü ve yazılı iletişim ve kritik düşünme becerileri. | |||||
| 6 | Bilim ve teknoloji alanındaki güncel gelişmeleri izlemede bilgiye erişim becerisi ve yazılım mühendisliği alanında bilimsel araştırma yapmak ve bir projeyi gerçekleştirmek. | |||||
| 7 | Yazılım Mühendisliği ile ilgili profesyonel, hukuksal, sosyal ve sorumluluklar konularında anlayış. | |||||
| 8 | Proje ve risk yönetim becerisi; girişimciliğin, yenilikçilik ve sürdürülebilir kalkınmanın önemi hakkında farkındalık; uluslararası standartların ve yöntemlerin bilinmesi. | |||||
| 9 | Yazılım Mühendisliği çözümlerinin, karar verme boyutunda, küresel, sosyal ve hukuki boyutları üzerindeki etkisini anlamak. | |||||
| 10 | Yazılım Mühendisliği uygulamaları için mükemmellik standartlarının geliştirilmesi, benimsenmesi ve sürekli kullanımının desteklenmesi. | |||||
ECTS/İş Yükü Tablosu
| Aktiviteler | Sayı | Süresi (Saat) | Toplam İş Yükü |
|---|---|---|---|
| Ders saati (Sınav haftası dahildir: 16 x toplam ders saati) | 16 | 3 | 48 |
| Laboratuar | |||
| Uygulama | |||
| Derse Özgü Staj | |||
| Alan Çalışması | |||
| Sınıf Dışı Ders Çalışma Süresi | 16 | 2 | 32 |
| Sunum/Seminer Hazırlama | |||
| Projeler | |||
| Raporlar | |||
| Ödevler | 1 | 18 | 18 |
| Küçük Sınavlar/Stüdyo Kritiği | |||
| Ara Sınavlara/Ara Juriye Hazırlanma Süresi | 1 | 12 | 12 |
| Genel Sınava/Genel Juriye Hazırlanma Süresi | 1 | 15 | 15 |
| Toplam İş Yükü | 125 | ||