ITC 546 Deep LearningMEF ÜniversitesiAkademik Programlar Bilişim Teknolojileri (İngilizce) (Tezli)Öğrenciler için Genel BilgiDiploma EkiErasmus Beyanı
Bilişim Teknolojileri (İngilizce) (Tezli)
Yüksek Lisans Programın Süresi: 2 Kredi Sayısı: 120 TYYÇ: 7. Düzey QF-EHEA: 2. Düzey EQF: 7. Düzey

Ders Genel Tanıtım Bilgileri

Yüksekokul/Myo/Fakülte/Enstitü Lisansüstü Eğitim Enstitüsü
Ders Kodu ITC 546
Ders Adı İngilizce Deep Learning
Ders Adı Türkçe Derin Öğrenme
Öğretim Dili EN
Ders Türü Alıştırma,Ters-Yüz Öğrenme,Ders
Dersin Düzeyi Orta
Dönem Yaz Okulu
Haftalık İletişim Saatleri
Ders: 3 Okuma: 0 Laboratuvar : 2+1 Diğer: 0
Tahmini Öğrenci İş Yükü Dönem boyunca 189 saat
Ders Kredileri 7.5 AKTS
Değerlendirme Standart Harf Notu
Ön Koşul Yok
Yan Koşul Yok
Beklenen Ön Bilgi Temel makine öğrenimi bilgisi
Kayıt Kısıtlamaları Sadece Yüksek Lisans Öğrencileri
Genel Eğitim Hedefi Veri analiz araçlarını kullanarak sonuçlara varmak amacıyla tensor akışı yoluyla verileri işlemek için modern araçları kullanarak makine öğrenimi kavramlarını mevcut uygulamalarla öğrenmek.
Ders Açıklaması Bu dersin amacı derin öğrenmesi temellerini sağlamaktır. Bu derste tensorflow kullanımıyla makine öğrenmedeki temel çerçeve sunulacaktır.

Ders Öğrenme Çıktıları ve Yeterlilikler

Bu dersi başarıyla tamamlayabilen öğrenciler:
1) Derin öğrenmenin orta düzeydeki katkılarını tanımak ve tartışmak
2) Derin öğrenmenin arkasındaki felsefeyi anlamak ve uygulamak
3) Önce fikir düzeyinde, sonra pratik olarak derin bir öğrenme sistemi geliştirmek
4) Belirli bir ML sisteminin mekanizmasını değerlendirin ve performans açısından daha da geliştirmek
Program Öğrenme Çıktıları/Ders Öğrenme Çıktıları 1 2 3 4
1)
2)
3)
4)
5)
6)
7)
8)
9)
10)

Program Sonuçları ve Yeterliliklerle İlişkisi

N Yok S Destekleyici H Çok İlgili
     
Program Çıktıları ve Yeterlilikler Düzey Değerlendirme
1) N
2) N
3) N
4) N
5) N
6) N
7) N
8) N
9) N
10) N
Hazırlayan ve Tarih ,
Ders Koordinatörü TUNA ÇAKAR
Dönem Yaz Okulu
Dersi Veren(ler) Dr. Öğr. Üyesi TUNA ÇAKAR

Ders İçeriği

Hafta Konu
1) Derin öğrenme nedir?
2) DL'de Temel Kavramlara Giriş
3) Derin Öğrenmenin Temel Matematiği
4) Derin Öğrenmenin İleri Matematiği
5) Sinir Ağlarına Başlangıç
6) Makine Öğreniminin Temelleri
7) Bilgisayarla Görme için Derin Öğrenme I
7) Bilgisayarla Görme için Derin Öğrenme I
8) Bilgisayarla Görme için Derin Öğrenme II
9) Metin ve Diziler için Derin Öğrenme I
10) Metin ve Diziler için Derin Öğrenme II
11) Gelişmiş Öğrenme En İyi Uygulamaları I
12) Gelişmiş Öğrenme En İyi Uygulamaları II
13) Üretken Derin Öğrenme I
14) Üretken Derin Öğrenme II
15) Proje/sunum Dönemi
16) Proje/Sunum Dönemi
Gerekli/Tavsiye Edilen Okumalarhttps://developers.google.com/machine-learning/crash-course/first-steps-with-tensorflow/toolkit
Öğretme TeknikleriFlipped sınıf/Uygulama/Laboratuvar/Aktif öğrenme
Ödev ve ProjelerDönem başı açıklanır
Laboratuvar ÇalışmasıHer hafta laboratuvar çalışması olacaktır
Bilgisayar KullanımıÖğrenciler öğrendikleri yöntemleri uygulayacak
Diğer AktivitelerYok
Değerlendirme Yöntemleri
Değerlendirme Araçları Sayı Ağırlık
Laboratuar 5 % 25
Küçük Sınavlar 5 % 25
Projeler 1 % 25
Final 1 % 25
TOPLAM % 100
Ders Yönetimi cakart@mef.edu.tr
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 2 1.5 49
Laboratuvar 14 2 1.5 49
Proje 9 2 1 27
Ara Sınavlar 1 30 1 31
Final 1 30 3 33
Toplam İş Yükü 189
Toplam İş Yükü/25 7.6
AKTS 7.5