Dersin Ayrıntıları

Yarıyıl	Kodu	Adı	T+U+L	Kredi	AKTS
7	EEE 417	Deep Learning	3+0+0	3	5

Dersin Detayları

Dersin Dili	İngilizce
Dersin Düzeyi	Lisans
Bölümü / Programı	Elektrik-Elektronik Mühendisliği
Öğrenim Türü	Örgün Öğretim
Dersin Türü	Seçmeli
Dersin Amacı	Yapay öğrenmenin bir alt dalı olan derin öğrenme yöntemleri etiketli veya etiketsiz verilerden yüksek seviye soyut modelleme yapabilmektedir. Son yıllarda donanım ve algoritmalardaki gelişmeler bu yöntemlerin büyük veri analizi, bilgidayarla görme ve doğal dil işleme konularında sık kullanılmasını sağlamıştır. Bu ders ile derin öğrenme yöntemlerinin popülerliğinin ardında yatan teorik ve pratik yönleri calışılacaktır. Aynı zamanda pratik deneyim kazanılacaktır.
Dersin İçeriği	Makine Öğrenmesi Temelleri, Derin Öğrenme Araçları - Caffe, Torch, TensorFlow, Theano, Feedforward Deep Networks, Regularization of Deep or Distributed Models, Optimization for Training Deep Models, Convolutional Networks, Sequence Modeling: Recurrent and Recursive Nets, Structured Probabilistic Models for Deep Learning, Linear Factor Models and Auto-Encoders, Computer Vision Uygulamaları, Big Data Uygulamaları, Natural Language Processing Uygulamaları, Speech Processing Uygulamaları
Dersin Yöntem ve Teknikleri
Ön Koşulları	Yok
Dersin Koordinatörü	Yok
Dersi Verenler	Prof.Dr. Hüseyin GÖKSU
Dersin Yardımcıları	Yok
Dersin Staj Durumu	Yok

Ders Kaynakları

Kaynaklar	Deep Learning by Yoshua Bengio et al MIT Press, 2015

Ders Yapısı

Planlanan Öğrenme Aktiviteleri ve Metodları

Etkinlikler ayrıntılı olarak "Değerlendirme" ve "İş Yükü Hesaplaması" bölümlerinde verilmiştir.

Değerlendirme Ölçütleri

AKTS Hesaplama İçeriği

Etkinlik	Sayısı	Süre	Toplam İş Yükü (Saat)
Ders Süresi	14	3	42
Sınıf Dışı Ç. Süresi	14	3	42
Ödevler	3	9	27
Ara Sınavlar	1	2	2
Yarıyıl Sonu Sınavı	1	2	2
Toplam İş Yükü			AKTS Kredisi : 4 115

Dersin Öğrenme Çıktıları: Bu dersin başarılı bir şekilde tamamlanmasıyla öğrenciler şunları yapabileceklerdir:

Sıra No	Açıklama
1	Makine öğrenmesinin temel metotlarını öğrenme
2	Derin öğrenmenin temellerini öğrenme
3	Derin öğrenmeyi sınıflandırma ve regresyon problemlerine uygulama
4	Derin öğrenmeyi kompleks mühendislik problemlerine uygulamayı öğrenme

Ders Konuları

Hafta	Konu	Ön Hazırlık	Dökümanlar
1	What is Deep Learning	.	.
2	The Mathematical Building Blocks of Neural Networks	.	.
3	Getting Started with Neural Networks	.	.
4	Fundamentals of Machine Learning	.	.
5	Deep Learning for Computer Vision – Part 1	.	.
6	Deep Learning for Computer Vision – Part 2	.	.
7	Deep Learning for Computer Vision – Part 3	.	.
8	Deep Learning for Text and Sequences – Part 1	.	.
9	Deep Learning for Text and Sequences – Part 2	.	.
10	Deep Learning for Text and Sequences – Part 3	.	.
11	Advanced Deep Learning Best Practices	.	.
12	Generative Deep Learning – Part 1	.	.
13	Generative Deep Learning – Part 2	.	.
14	Generative Deep Learning – Part 3	.	.

Dersin Program Çıktılarına Katkısı

Katkı Düzeyi: 1: Çok Düşük 2: Düşük 3: Orta 4: Yüksek 5: Çok Yüksek

https://obs.akdeniz.edu.tr/oibs/bologna/progCourseDetails.aspx?curCourse=2429255&lang=tr