GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| BMYL520 | OPTİMİZASYON ALGORİTMALARININ DERİN ÖĞRENME TEKNİKLERİ İLE UYGULANMASI | Seçmeli Ders Grubu | 1 | 2 | 5,00 |
Dersin Seviyesi
Yüksek Lisans
Dersin Sunulduğu Dil
Dersin Amacı
Bu dersin amacı, öğrencilere optimizasyon algoritmalarını derin öğrenme teknikleriyle nasıl entegre edebileceklerini öğretmektir. Öğrenciler, derin öğrenme sistemlerinin eğitiminde karşılaşılan optimizasyon zorluklarını anlamayı ve çözüm stratejileri geliştirmeyi öğreneceklerdir. Bu derste, optimizasyonun farklı türleri ve derin öğrenmeye özgü uygulamaları detaylı olarak ele alınacaktır.
Dersi Veren Öğretim Görevlisi/Görevlileri
Doç. Dr. M.Emin ŞAHİN
Öğrenme Çıktıları
| 1 | Optimizasyon algoritmalarını ve bunların derin öğrenme ile entegrasyonunu anlamalıdır. |
| 2 | Derin öğrenme algoritmalarını optimize etmek için kullanılan yöntemlerin avantajlarını ve sınırlamalarını değerlendirebilmelidir. |
| 3 | Derin öğrenme algoritmalarının verimli hale getirilmesi için yeni optimizasyon tekniklerini geliştirebilmelidir. |
| 4 | Farklı optimizasyon algoritmalarının (SGD, Adam, RMSprop, vb.) uygulamalı örneklerde nasıl kullanıldığını gösterebilmelidir. |
| 5 | Optimizasyon algoritmalarının derin öğrenme modellerinin performansı üzerindeki etkisini değerlendirebilmelidir. |
Öğretim Sistemi
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Yok
Ders İçin Önerilen Diğer Hususlar
Yok
Dersin İçeriği
"Optimizasyon Algoritmalarının Derin Öğrenme Teknikleri ile Uygulanması" dersi, derin öğrenme modellerinin eğitiminde karşılaşılan optimizasyon zorluklarını ele alır. Ders, öğrencilere temel optimizasyon algoritmalarını (SGD, Adam, vb.) öğretmekle birlikte, bu algoritmaların derin öğrenme üzerinde nasıl entegre edilebileceğini ve iyileştirilebileceğini gösterir. Optimizasyonun derin öğrenmedeki rolü, model performansını artırma yöntemleri, öğrenme hızı ayarlamaları ve optimizasyon stratejileri üzerine derinlemesine incelemeler yapılır. Ayrıca, çeşitli derin öğrenme uygulamalarındaki (görüntü işleme, doğal dil işleme, zaman serisi vb.) optimizasyon teknikleri tartışılır. Öğrenciler, teorik bilgilerle birlikte uygulamalı projeler üzerinden optimizasyon algoritmalarını kullanarak derin öğrenme modellerinin etkinliğini artırmayı öğrenirler
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Konular (Teorik) | Öğretim Yöntem ve Teknikleri | Ön Hazırlık |
|---|---|---|---|
| 1 | Optimizasyon algoritmalarına giriş: Kavramlar, hedef fonksiyonlar, çözüm alanları, optimalite | Teorik ve Problem Çözme | Yok |
| 2 | Optimizasyon ve derin öğrenme arasındaki ilişki 1 | Teorik ve Problem Çözme | Yok |
| 3 | Optimizasyon ve derin öğrenme arasındaki ilişki 2 | Teorik ve Problem Çözme | Yok |
| 4 | Optimizasyon Temelleri ve Klasik Yöntemler | Teorik ve Problem Çözme | Yok |
| 5 | Derin Öğrenme Modelleri ve Optimizasyon İhtiyaçları | Teorik ve Problem Çözme | Yok |
| 6 | İleri Düzey Optimizasyon Teknikleri | Teorik ve Problem Çözme | Yok |
| 7 | Optimizasyon Tekniklerinin Uygulamalarla İncelenmesi 1 | Teorik ve Problem Çözme | Yok |
| 8 | Optimizasyon Tekniklerinin Uygulamalarla İncelenmesi 2 | Teorik ve Problem Çözme | Yok |
| 9 | Derin Öğrenme için Optimizasyonun İleri Düzey Uygulamaları | Teorik ve Problem Çözme | Yok |
| 10 | Derin Öğrenme için Optimizasyonun İleri Düzey Uygulamaları | Teorik ve Problem Çözme | Yok |
| 11 | Optimizasyon ve Derin Öğrenme Alanındaki Son Yenilikler | Teorik ve Problem Çözme | Yok |
| 12 | Proje Sunumu | Teorik ve Problem Çözme | Yok |
| 13 | Proje Sunumu | Teorik ve Problem Çözme | Yok |
| 14 | Proje Sunumu | Teorik ve Problem Çözme | Yok |
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
Deep Learning (Ian Goodfellow, Yoshua Bengio, Aaron Courville) Pattern Recognition and Machine Learning (Christopher Bishop) Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow (Aurélien Géron) Optimization for Machine Learning (Suvrit Sra, Sebastian Nowozin, Stephen J. Wright)
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 50 |
| Proje Sunma | 1 | 25 |
| Proje Tasarımı /Yönetimi | 1 | 25 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 2 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | |
Staj Durumu
Yok
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 2 | 2 |
| Final Sınavı | 1 | 2 | 2 |
| Derse Katılım | 14 | 3 | 42 |
| Rapor Hazırlama | 2 | 6 | 12 |
| Proje Hazırlama | 2 | 2 | 4 |
| Proje Sunma | 2 | 6 | 12 |
| Bireysel Çalışma | 6 | 4 | 24 |
| Ara Sınav İçin Bireysel Çalışma | 1 | 4 | 4 |
| Final Sınavı içiin Bireysel Çalışma | 1 | 8 | 8 |
| Rapor | 2 | 2 | 4 |
| Toplam İş Yükü (saat) | 114 | ||
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 | |
| ÖÇ 1 | 4 | ||||||||||
| ÖÇ 2 | 4 | 4 | |||||||||
| ÖÇ 3 | 4 | ||||||||||
| ÖÇ 4 | 4 | ||||||||||
| ÖÇ 5 | 4 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek