Bilişim Teknolojileri (İngilizce) (Tezli) | |||||
Yüksek Lisans | Programın Süresi: 2 | Kredi Sayısı: 120 | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF: 7. Düzey |
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 |
|
||||
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 YeterliliklerBu 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) |
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 |
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 Okumalar | https://developers.google.com/machine-learning/crash-course/first-steps-with-tensorflow/toolkit | ||||||||||||||||||
Öğretme Teknikleri | Flipped sınıf/Uygulama/Laboratuvar/Aktif öğrenme | ||||||||||||||||||
Ödev ve Projeler | Dönem başı açıklanır | ||||||||||||||||||
Laboratuvar Çalışması | Her hafta laboratuvar çalışması olacaktır | ||||||||||||||||||
Bilgisayar Kullanımı | Öğrenciler öğrendikleri yöntemleri uygulayacak | ||||||||||||||||||
Diğer Aktiviteler | Yok | ||||||||||||||||||
Değerlendirme Yöntemleri |
|
||||||||||||||||||
Ders Yönetimi |
cakart@mef.edu.tr 02123953600 |
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 |