CSE 603 Advanced Machine Learning MEF ÜniversitesiAkademik Programlar Bilgisayar Bilimleri ve Mühendisliği Doktora (İngilizce) Öğrenciler için Genel BilgiDiploma EkiErasmus Beyanı
Bilgisayar Bilimleri ve Mühendisliği Doktora (İngilizce)
Doktora Programın Süresi: 4 Kredi Sayısı: 240 TYYÇ: 8. Düzey QF-EHEA: 3. Düzey EQF: 8. Düzey

Ders Genel Tanıtım Bilgileri

Yüksekokul/Myo/Fakülte/Enstitü Lisansüstü Eğitim Enstitüsü
Ders Kodu CSE 603
Ders Adı İngilizce Advanced Machine Learning
Ders Adı Türkçe İleri Yapay Öğrenme Teknikleri
Öğretim Dili EN
Ders Türü Ters-Yüz Öğrenme
Dersin Düzeyi İleri
Dönem Güz
Haftalık İletişim Saatleri
Ders: 3 Okuma: 0 Laboratuvar : 0 Diğer: 0
Tahmini Öğrenci İş Yükü Dönem boyunca 187 saat
Ders Kredileri 7.5 AKTS
Değerlendirme Standart Harf Notu
Ön Koşul Yok
Yan Koşul Yok
Beklenen Ön Bilgi Yok
Kayıt Kısıtlamaları Sadece Doktora Öğrencileri
Genel Eğitim Hedefi Gelişmiş makine öğrenimi yöntemlerini ve sınıflandırma, regresyon gibi tahminler yapmak için akıllı sistemlerin nasıl tasarlanacağını ve uygulanacağını öğrenmek.
Ders Açıklaması Bu dersin amacı ileri yapay öğrenme tekniklerini öğretmektir. Ders içeriği ileri yapay sinir ağları, derin öğrenme yöntemleri, parametre seçimi, düzenlileştirme, makine öğrenmede kullanılan optimizasyon teknikleri ve evrişimli sinir ağlardır. Öğrenciler, bu derste ileri yapay öğrenme yöntemlerinin güncel gerçek hayat problemlerine nasıl uygulanacağı öğrenip, başarım analizlerini yapabileceklerdir.

Ders Öğrenme Çıktıları ve Yeterlilikler

Bu dersi başarıyla tamamlayabilen öğrenciler:
1) Kalıpları tanımak için gelişmiş sınıflandırma yöntemlerini uygulamak
2) Bilinmeyen fonksiyonları tahmin etmek için ileri regresyon yöntemlerini uygulayabilmek
3) Gelişmiş makine öğrenimi yöntemlerinin performansını değerlendirebilecek
4) Belirli bir problem için gelişmiş bir makine öğrenimi sistemi tasarlamak ve oluşturmak
Program Öğrenme Çıktıları/Ders Öğrenme Çıktıları 1 2 3 4

Program Sonuçları ve Yeterliliklerle İlişkisi

N Yok S Destekleyici H Çok İlgili
     
Program Çıktıları ve Yeterlilikler Düzey Değerlendirme
Hazırlayan ve Tarih ,
Ders Koordinatörü TUNA ÇAKAR
Dönem Güz
Dersi Veren(ler) Dr. Öğr. Üyesi TUNA ÇAKAR

Ders İçeriği

Hafta Konu
1) Sinir Ağlarına Giriş
2) Sığ Sinir Ağları I
3) Sığ Sinir Ağları II
4) Derin Sinir Ağı I
5) Derin Sinir Ağı II
6) Düzenlileştirme Yöntemleri
7) Optimizasyon Yöntemleri
8) Hiperparametre Ayarlama, Toplu Normalleştirme
9) Öğrenim Aktarımı
10) Evrişimli Sinir Ağları I
11) Evrişimli Sinir Ağları II
12) Derin Sinir Ağlarının Uygulamaları I
13) Derin Sinir Ağlarının Uygulamaları II
14) Derin Sinir Ağlarının Uygulamaları III
15) Proje/Dönem Sunumları
16) Proje/Sunum Dönem
Gerekli/Tavsiye Edilen OkumalarDeep Learning, Ian Goodfellow, Yoshua Bengio, Aaron Courville, MIT Press, 2016
Öğretme TeknikleriFlipped öğrenme. Öğrenciler uygulamalı ödevler için bireysel olarak çalışıcaklardır.
Ödev ve ProjelerÖdev
Laboratuvar ÇalışmasıYok
Bilgisayar KullanımıGerekli
Diğer AktivitelerYok
Değerlendirme Yöntemleri
Değerlendirme Araçları Sayı Ağırlık
Ödev 3 % 100
TOPLAM % 100
Ders Yönetimi
02123953600

AKTS Öğrenci İş Yükü Tahmini

AKtivite Hafta Sayısı Saat Hesaplama
Yarıyıl Başına Hafta Sayısı Etkinliğe Hazırlık Etkinliğin Kendisinde Harcanan Etkinlik Gereksinimlerini Tamamlama
Ders Saati 14 3 3 2 112
Ödevler 3 3 20 2 75
Toplam İş Yükü 187
Toplam İş Yükü/25 7.5
AKTS 7.5