School/Faculty/Institute	Graduate School
Course Code	ITC 548
Course Title in English	Real World Applications of Machine Learning and Deep Learning
Course Title in Turkish	Makine Öğrenimi ve Derin Öğrenmenin Gerçek Dünya Uygulamaları
Language of Instruction	EN
Type of Course	Ters-yüz öğrenme
Level of Course	Orta
Semester	Spring
Contact Hours per Week	Lecture: 3 Recitation: 0 Lab: 0 Other: 0
Estimated Student Workload	187 hours per semester
Number of Credits	7.5 ECTS
Grading Mode	Standard Letter Grade
Pre-requisites	None
Co-requisites	None
Expected Prior Knowledge	None
Registration Restrictions	Only Graduate Students
Overall Educational Objective	To develop technical skills and gain practical expertise necessary for designing machine and deep learning based intelligent systems that solve challenging engineering, science, health care and business problems.
Course Description	This course covers the application of machine learning and deep learning approaches to real world problems. Topics include supervised learning, feed-forward neural networks, convolutional neural networks and recurrent neural networks, and their application to complex engineering problems in data-rich domains.

Course Learning Outcomes and Competences Upon successful completion of the course, the learner is expected to be able to: 1) Makine öğrenimi ve derin öğrenme yöntemlerini kullanmanın temel ilkelerini bilmek 2) Denetimli öğrenme yöntemlerini ve ileri beslemeli sinir ağlarını gerçek dünya sorunlarını uygulamak 3) Gerçek dünya görüntü işleme/bilgisayarlı görme uygulamalarında evrişimli sinir ağlarını kullanmak 4) Tekrarlayan sinir ağlarını doğal dil işleme problemlerini uygulamak 5) Farklı alanlarda makine öğrenimi ve derin öğrenme yöntemlerinin performansını değerlendirmek

Program Learning Outcomes/Course Learning Outcomes	1	2	3	4	5
1)
2)
3)
4)
5)
6)
7)
8)
9)
10)

Relation to Program Outcomes and Competences

N None	S Supportive	H Highly Related

	Program Outcomes and Competences	Level	Assessed by
1)		H
2)		H
3)		N
4)		N
5)		N
6)		N
7)		S
8)		S
9)		N
10)		N

Prepared by and Date	,
Course Coordinator	TUNA ÇAKAR
Semester	Spring
Name of Instructor	Öğr. Gör. MEHMET YİĞİT KÖKSAL

Course Contents

Hafta	Konu
1)	Makine Öğrenimi ve Derin Öğrenme Kavramlarına Giriş
2)	Denetimli Öğrenme Uygulamaları
3)	İleri Beslemeli Sinir Ağları
4)	Evrişimsel Sinir Ağları
5)	Derin Öğrenme Görüntüsü Veri Kümesi Oluşturma
6)	Performans Değerlendirmesi: Eğitim, Test ve Doğrulama
7)	Gerçek Dünya Görüntü İşleme / Bilgisayarlı Görü Uygulamaları – Bölüm 1
8)	Gerçek Dünya Görüntü İşleme / Bilgisayarlı Görü Uygulamaları – Bölüm 2
9)	Gerçek Dünya Görüntü İşleme / Bilgisayarlı Görü Uygulamaları – Bölüm 3
10)	Dönem Projesi İlerleme Sunumları
11)	Gerçek Dünya Doğal Dil İşleme Uygulamaları – Bölüm 1
12)	Gerçek Dünya Doğal Dil İşleme Uygulamaları – Bölüm 2
13)	Gerçek Dünya Doğal Dil İşleme Uygulamaları – Bölüm 3
14)	Dönem Projesi Sunumları
15)	Proje/Sunum Dönemi
16)	Proje/Sunum Dönemi

Required/Recommended Readings	Introduction to Machine Learning, Ethem Alpaydın, MIT Press, 3rd Edition (2015) Deep Learning with Python, François Chollet, Manning, Second Edition (2021)
Teaching Methods	Flipped Classroom
Homework and Projects	Assignments, Term Project
Laboratory Work	None
Computer Use	Required
Other Activities	None
Assessment Methods	Assessment Tools Count Weight Ödev 1 % 20 Projeler 1 % 45 Final 1 % 35 TOTAL % 100
Course Administration	Academic dishonesty and plagiarism will be subject to Law on Higher Education Article 54.

ECTS Student Workload Estimation

Activity	No/Weeks	Hours			Calculation
	No/Weeks per Semester	Preparing for the Activity	Spent in the Activity Itself	Completing the Activity Requirements
Ders Saati	14	2	3	2	98
Ödevler	6	10		1	66
Final	1	20	2	1	23
Total Workload					187
Total Workload/25					7.5
ECTS					7.5