GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| BVA707 | DERİN ÖĞRENME | Seçmeli Ders Grubu | 2 | 3 | 5,00 |
Dersin Seviyesi
Önlisans
Dersin Sunulduğu Dil
Dersin Amacı
Bu ders, öğrencilere derin öğrenme kavramlarını ve gelişmiş sinir ağı modellerini tanıtmayı amaçlar. Ders, Python ve Google Colab üzerinde uygulanacak ve CNN, RNN, GAN, Transfer Learning gibi konulara odaklanacaktır. Dersin amacı, öğrencilerin derin öğrenme modellerini anlamalarını, uygulamalar geliştirmelerini ve mini projeler ile deneyim kazanmalarını sağlamaktır.
Dersi Veren Öğretim Görevlisi/Görevlileri
Öğr. Gör. H. Hazel Aras
Öğrenme Çıktıları
| 1 | Derin öğrenme temel kavramlarını tanımlar. |
| 2 | Python ve Colab ile ileri beslemeli ağlar uygular. |
| 3 | CNN, RNN, LSTM ve GRU modellerini uygular ve analiz eder. |
| 4 | GAN ve Autoencoder modellerini uygular. |
| 5 | Transfer Learning uygulamaları geliştirir. |
| 6 | Mini projeler ile derin öğrenme uygulamaları geliştirir. |
| 7 | Takım çalışması ve proje yönetimi becerilerini kullanır. |
Öğretim Sistemi
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Ders İçin Önerilen Diğer Hususlar
Öğrencilerin Python ve Colab üzerinde çalışmaları önerilir. Keras, TensorFlow ve PyTorch kütüphaneleri kullanılacaktır. Mini projeler ve uygulamalı örneklerle pekiştirme yapılmalıdır.
Dersin İçeriği
Derin öğrenme temel kavramları, CNN, RNN, LSTM, GRU, GAN, Autoencoder, Transfer Learning, Python ve Colab uygulamaları.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Konular (Teorik) | Uygulama | Öğretim Yöntem ve Teknikleri | Ön Hazırlık |
|---|---|---|---|---|
| 1 | Ders tanıtımı ve derin öğrenmeye giriş. | Google Colab kurulumu ve Python ortamı. | Anlatım ve örnekler. | Python ve Colab temel notlarını gözden geçirme. |
| 2 | İleri beslemeli ağlar ve optimizasyon. | Basit veri setlerinde model geliştirme. | Kodlama. | Önceki algoritmaları tekrar gözden geçirme. |
| 3 | Aktivasyon fonksiyonları ve düzenleme. | Sigmoid, ReLU, Tanh ve Dropout örnekleri. | Kodlama. | Aktivasyon ve düzenleme fonksiyonlarını inceleme. |
| 4 | Geri yayılım ve öğrenme algoritmaları. | Basit örneklerle geri yayılım. | Kodlama. | Önceki derslerdeki backpropagation uygulamalarını gözden geçirme. |
| 5 | Konvolüsyonel sinir ağları (CNN). | CNN yapısı ve basit uygulamalar. | Kodlama. | CNN teorisini gözden geçirme. |
| 6 | CNN ile görüntü sınıflandırma. | MNIST ve CIFAR-10 örnekleri. | Kodlama. | Veri setlerini inceleme. |
| 7 | Rekürsif sinir ağları (RNN). | RNN yapısı ve basit örnekler. | Kodlama. | RNN teorisini gözden geçirme. |
| 8 | LSTM ve GRU ağları. | Zaman serisi ve metin verisi uygulamaları. | Kodlama. | Önceki modelleri gözden geçirme. |
| 9 | Autoencoder ve özellik öğrenimi. | Basit örnekler ve uygulamalar. | Kodlama. | Autoencoder teorisini inceleme. |
| 10 | Generative Adversarial Networks (GAN). | Basit GAN örnekleri. | Kodlama. | GAN teorisini gözden geçirme. |
| 11 | Transfer Learning. | Önceden eğitilmiş modeller ile uygulamalar. | Kodlama. | Önceki modelleri inceleme. |
| 12 | Derin öğrenme projeleri. | Veri seti seçimi ve ön işleme. | Grup çalışması. | Proje planlaması. |
| 13 | Proje geliştirme ve değerlendirme. | Model kurma ve sonuç analizi. | Kodlama ve grup çalışması. | Önceki algoritmaları tekrar gözden geçirme. |
| 14 | Proje sunumları ve geri bildirim. | Sunumlar ve sınıf içi tartışma. | Sunum ve tartışma. | Sunum materyallerini hazırlama. |
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 50 |
| Quiz | 1 | 25 |
| Laboratuvar Ara Sınavı | 1 | 25 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 50 |
| Quiz | 1 | 10 |
| Proje Sunma | 1 | 40 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 50 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 50 | |
Staj Durumu
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 1 | 1 |
| Final Sınavı | 1 | 1 | 1 |
| Quiz | 10 | 1 | 10 |
| Derse Katılım | 14 | 2 | 28 |
| Laboratuvar | 14 | 1 | 14 |
| Takım/Grup Çalışması | 5 | 2 | 10 |
| Derse Katılım (Uygulama) | 14 | 1 | 14 |
| Proje Sunma | 1 | 1 | 1 |
| Proje Tasarımı /Yönetimi | 5 | 2 | 10 |
| Ara Sınav İçin Bireysel Çalışma | 7 | 1 | 7 |
| Final Sınavı içiin Bireysel Çalışma | 7 | 1 | 7 |
| Laboratuvar Ara Sınavı | 1 | 1 | 1 |
| Laboratuvar Sınavı | 1 | 1 | 1 |
| Quiz için Bireysel Çalışma | 10 | 1 | 10 |
| Toplam İş Yükü (saat) | 115 | ||
Program ve Öğrenme Çıktıları İlişkisi
| PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | PÇ 11 | PÇ 12 | PÇ 13 | PÇ 14 | PÇ 15 | |
| ÖÇ 1 | 5 | 5 | 5 | ||||||||||||
| ÖÇ 2 | 5 | 5 | 5 | 5 | |||||||||||
| ÖÇ 3 | 5 | 5 | 5 | ||||||||||||
| ÖÇ 4 | 5 | 5 | 5 | ||||||||||||
| ÖÇ 5 | 5 | 5 | 5 | ||||||||||||
| ÖÇ 6 | 5 | 5 | 4 | ||||||||||||
| ÖÇ 7 | 5 | 5 | 5 | 5 | 5 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek