| Ders Adı | Kodu | Yarıyıl | T+U Saat | AKTS | |
| Derin Öğrenmeye Giriş | BM5029 | 1 | 3 + 0 | 7,5 |
| Birim Bölüm | ELEKTRONİK VE BİLGİSAYAR MÜHENDİSLİĞİ - DR |
| Derece Seviye | Lisansüstü - Seçmeli - Türkçe |
| Dersin Verilişi | Yüz yüze |
| EBS Koordinatörü | Dr. Öğr. Üyesi Burakhan ÇUBUKÇU |
| Ders Veren | |
| Amaç |
Temel yapay zeka kavramlarının öğrenilmesi, CNN, RNN, LSTM hakkında teorik bilgiye sahip olmak, algoritmaları hazır veritabanlarına uygulayabilmek. |
| Ders İçeriği |
Derin öğrenme yöntemlerinin anlatılması, algoritmalarının bir yazılım dilinde kodlatılması ve bu kodların hazır veritabanlarına uygulanması |
| Ders Kaynakları |
Goodfellow, Y. Bengio and A. Courville, “Deep Learning”, MIT Press, 2016.
|
| Yarıyıl İçi Çalışmalar | Katkı Yüzdesi (%) |
| Bu bilgi girilmemiştir. | |
| Toplam | 0 |
| Yarıyıl Sonu Çalışmalar | Katkı Yüzdesi (%) |
| Bu bilgi girilmemiştir. | |
| Toplam | %0 |
| Yarıyıl İçinin Başarıya Oranı | %0 |
| Yarıyıl Sonu Çalışmalar | %0 |
| Toplam | %0 |
| Kategori | Ders İlişki Yüzdeleri (%) |
|
Aktarılabilir Beceri Dersleri
|
0
|
|
Beşeri, İletişim ve Yönetim Becerileri Dersleri
|
0
|
|
Destek Dersleri
|
0
|
|
Ek Dersler
|
0
|
|
Kategori
|
0
|
|
Mesleki Seçmeli Dersler
|
0
|
|
Temel Meslek Dersleri
|
0
|
|
Uygulama Dersleri
|
0
|
|
Uzmanlık / Alan Dersleri
|
0
|
| Ders İş Yükü | Öğretim Metotlar / Öğretim Metodu | Süresi (Saat) | Sayısı | Toplam İş Yükü (Saat) |
| Toplam İş Yükü (Saat) | 0 | |||
| AKTS = Toplam İş Yükü (Saat) / 25.5 (s) | 0 | |||
| AKTS | ||||
| Hafta | Konu | Öğretim Metodu |
|---|---|---|
| 1 | Yapay zeka giriş, tarihçe ve teorik temeller | Ders Sınıf Dışı Çalışma |
| 2 | Yapay sinir ağları | Ders Sınıf Dışı Çalışma |
| 3 | İleri beslemeli ve geri beslemeli ağlar | Ders Sınıf Dışı Çalışma |
| 4 | Evrişimsel Yapay Sinir Ağlar (CNN) | Ders Sınıf Dışı Çalışma |
| 5 | Tekrarlayan Sinir Ağları (RNN) | Ders Sınıf Dışı Çalışma |
| 6 | Uzun Kısa Süreli Bellek (LSTM) | Ders Sınıf Dışı Çalışma |
| 7 | Uzun Kısa Süreli Bellek temelli diğer ağlar | Ders Sınıf Dışı Çalışma |
| 8 | Uygulama 1 sunumları | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 8 | Uygulama 1 sunumları | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 10 | CNN tabanlı geliştirilmiş uygulamalar | Ders Sınıf Dışı Çalışma |
| 11 | RNN tabanlı geliştirilmiş uygulamalar | Ders Sınıf Dışı Çalışma |
| 12 | LSTM tabanlı geliştirilmiş uygulamalar | Ders Sınıf Dışı Çalışma |
| 13 | Uygulama Sunumları | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 13 | Uygulama Sunumları | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| Ders Öğrenme Çıktısı | Ölçme Değerlendirme | Öğretim Metodu | Öğrenme Faaliyeti |
| Temel yapay zeka kavramlarının öğrenilmesi, | Yazılı Sınav | Ders Sınıf Dışı Çalışma | Dinleme ve anlamlandırma Araştırma – yaşam boyu öğrenme, yazma, okuma, Bilişim |
| CNN hakkında teorik bilgiye sahip olmak, algoritmaları hazır veritabanlarına uygulayabilmek | Ödev / Proje | Ders Sınıf Dışı Çalışma Tartışmalı Ders | Dinleme ve anlamlandırma Araştırma – yaşam boyu öğrenme, yazma, okuma, Bilişim Dinleme ve anlamlandırma, gözlem/durumları işleme, eleştirel düşünme, soru geliştirme |
| RNN hakkında teorik bilgiye sahip olmak, algoritmaları hazır veritabanlarına uygulayabilmek | Ödev / Proje | Ders Sınıf Dışı Çalışma Tartışmalı Ders | Dinleme ve anlamlandırma Araştırma – yaşam boyu öğrenme, yazma, okuma, Bilişim Dinleme ve anlamlandırma, gözlem/durumları işleme, eleştirel düşünme, soru geliştirme |
| LSTM hakkında teorik bilgiye sahip olmak, algoritmaları hazır veritabanlarına uygulayabilmek | Ödev / Proje | Ders Sınıf Dışı Çalışma Tartışmalı Ders | Dinleme ve anlamlandırma Araştırma – yaşam boyu öğrenme, yazma, okuma, Bilişim Dinleme ve anlamlandırma, gözlem/durumları işleme, eleştirel düşünme, soru geliştirme |
DERS ÖĞRENME ÇIKTISI |
PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | PÇ 11 | PÇ 12 | PÇ 13 | PÇ 14 | PÇ 15 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Temel yapay zeka kavramlarının öğrenilmesi, | - | - | - | - | - | - | - | - | - | - | - | - | - | - | - |
| CNN hakkında teorik bilgiye sahip olmak, algoritmaları hazır veritabanlarına uygulayabilmek | - | - | - | - | - | - | - | - | - | - | - | - | - | - | - |
| RNN hakkında teorik bilgiye sahip olmak, algoritmaları hazır veritabanlarına uygulayabilmek | - | - | - | - | - | - | - | - | - | - | - | - | - | - | - |
| LSTM hakkında teorik bilgiye sahip olmak, algoritmaları hazır veritabanlarına uygulayabilmek | - | - | - | - | - | - | - | - | - | - | - | - | - | - | - |
