| 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 |
|
||||
| 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 CompetencesUpon 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) Lisans düzeyi yeterliliklerine dayalı olarak, mekatronik mühendisliği ve robotik alanında bilgilerini uzmanlık düzeyinde geliştirebilir ve derinleştirebilir. | |||||
| 2) Mekatronik mühendisliği ve robotik konularında bilimsel araştırma yaparak derinlemesine ve genişlemesine kuramsal ve uygulamalı bilgilere sahiptir. | |||||
| 3) Mekatronik mühendisliğinde kullanılan analiz ve modelleme yöntemleri ile bunların kısıtları hakkında kapsamlı bilgiye sahiptir. | |||||
| 4) Analitik, modelleme ve deneysel esaslı araştırmaları tasarlar ve uygular, bu süreçte karşılaşılan karmaşık durumları çözümler ve yorumlar. | |||||
| 5) Mekatronik sistemlerin süreç ve sonuçlarını, o alandaki veya alan dışındaki ulusal ve uluslararası ortamlarda sistematik ve açık bir şekilde yazılı ya da sözlü olarak aktarır. | |||||
| 6) Mekatronik ve robotik sistemlerin tasarlanması ve gerçeklenmesi aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. | |||||
| 7) Mesleğinin yeni ve gelişmekte olan uygulamaları hakkında farkındalığa sahip olduğunu inceler ve uygulamalarıyla gösterir. | |||||
| 8) Çok disiplinli takımlarda liderlik yapar, karmaşık durumlarda mekatronik ve robotik sistemlerin tasarlanması ve analizinde çözüm yaklaşımları geliştirir ve sorumluluk alır. | |||||
| 9) İngilizce dili en az Avrupa Dil Portföyü B2 Genel Düzeyinde kullanarak sözlü ve yazılı iletişim kurar. | |||||
| 10) Mekatronik ve robotik uygulamalarının sosyal ve çevresel boyutlarını anlar. |
| N None | S Supportive | H Highly Related |
| Program Outcomes and Competences | Level | Assessed by | |
| 1) | Lisans düzeyi yeterliliklerine dayalı olarak, mekatronik mühendisliği ve robotik alanında bilgilerini uzmanlık düzeyinde geliştirebilir ve derinleştirebilir. | H | |
| 2) | Mekatronik mühendisliği ve robotik konularında bilimsel araştırma yaparak derinlemesine ve genişlemesine kuramsal ve uygulamalı bilgilere sahiptir. | H | |
| 3) | Mekatronik mühendisliğinde kullanılan analiz ve modelleme yöntemleri ile bunların kısıtları hakkında kapsamlı bilgiye sahiptir. | N | |
| 4) | Analitik, modelleme ve deneysel esaslı araştırmaları tasarlar ve uygular, bu süreçte karşılaşılan karmaşık durumları çözümler ve yorumlar. | N | |
| 5) | Mekatronik sistemlerin süreç ve sonuçlarını, o alandaki veya alan dışındaki ulusal ve uluslararası ortamlarda sistematik ve açık bir şekilde yazılı ya da sözlü olarak aktarır. | N | |
| 6) | Mekatronik ve robotik sistemlerin tasarlanması ve gerçeklenmesi aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. | N | |
| 7) | Mesleğinin yeni ve gelişmekte olan uygulamaları hakkında farkındalığa sahip olduğunu inceler ve uygulamalarıyla gösterir. | S | |
| 8) | Çok disiplinli takımlarda liderlik yapar, karmaşık durumlarda mekatronik ve robotik sistemlerin tasarlanması ve analizinde çözüm yaklaşımları geliştirir ve sorumluluk alır. | S | |
| 9) | İngilizce dili en az Avrupa Dil Portföyü B2 Genel Düzeyinde kullanarak sözlü ve yazılı iletişim kurar. | N | |
| 10) | Mekatronik ve robotik uygulamalarının sosyal ve çevresel boyutlarını anlar. | N |
| Prepared by and Date | , |
| Course Coordinator | TUNA ÇAKAR |
| Semester | Spring |
| Name of Instructor |
| 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 |
|
|||||||||||||||
| Course Administration |
Academic dishonesty and plagiarism will be subject to Law on Higher Education Article 54. |
|||||||||||||||
| 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 | ||||||