DERSİN GENEL BİLGİLERİ

Ders Kodu	Ders Adı	Yıl	Yarıyıl	Teorik	Pratik	Kredi	AKTS
70619MEEOS-CME0297	Neural Networks and Deep Learning	1	Güz	3	0	3	6

Dersin Türü:	Non-Departmental Elective
Dersin Düzeyi:	Yüksek Lisans      TYYÇ:7. Düzey      QF-EHEA:2. Düzey      EQF-LLL:7. Düzey
Dersin Öğretim Dili:	İngilizce
Dersin Ön/Yan Koşulu:	Yoktur
Dersin Veriliş Şekli:
Dersin Koordinatörü:	Öğretim Görevlisi Dr. ENVER AKBACAK
Dersin Öğretim Eleman(lar)ı:	Öğretim Görevlisi Dr. ENVER AKBACAK
Dersin Kategorisi:

BÖLÜM II: DERSİN TANITIMI

Dersin Amacı ve İçeriği

Dersin Amacı:

1. To familiarize students with Deep Learning Fundamentals. 2. To Introduce concepts for image, video and text recognition. 3. To teach students featured deep learning practices by a project.

Dersin İçeriği:

Fundamentals What is deep learning, layers, learning, wieghts, loss functions, optimizers, CPU, GPU, TPU. Neural Networks Perceptrons, sigmoid neurons, learning with gradient descent and momentum based gradient descent. Neural Networks Back propagation. QUIZ Neural Networks Cost Functions, cross entropy, softmax, regularization, wieght initialization, early stopping, batch size, tanh activation, dropout, normalization, relu layers, pooling layers. Mathematical fundamentals of Neural Networks QUIZ Getting Started with Neural Networks Fundamentals of Deep Learning Supervised, unsupervised, selfsupervised and reinforcement learnings, train/validation/test splits allocations, vanishing gradient descent problem, overfitting and underfitting. Convolutional Neural Networks Fundamentals Pretrained models Fine-tuning Convolutional Neural Networks Feature extraction Python generators Visualizing intermediate activations and filters Class activation maps Encoder – Decoder Models Recurrent Neural Networks LSTMs, Combining CNN-LSTM models Video Processing 3D CNN, Keras functional API, callbacks Project Presentations Final Exam

Dersin Öğrenme Çıktıları (DÖÇ)

Ders Öğrenme Çıktıları (DÖÇ), dersi başarı ile tamamlayan öğrencilerin kendilerinden sahip olmaları beklenen bilgi, beceri ve yetkinlikleri ifade eder. Bu bağlamda, bu ders için tanımlanmış olan Ders Öğrenme Çıktıları aşağıda verilmektedir.

Bilgi (Kuramsal ve/veya olgusal bilgi olarak tanımlanmıştır.)

Beceriler (Bilişsel ve/veya uygulama becerileri olarak tanımlanmıştır.)

Yetkinlikler ("Bağımsız Çalışabilme", "Sorumluluk Alabilme", "Öğrenme", "İletişim ve Sosyal" ve "Alana Özgü" yetkinlikler olarak tanımlanmıştır.)

Haftalık Ders Planı

Hafta	Konu	Materyal Paylaşımı *
		Ön Hazırlık	Pekiştirme
1)	Fundamentals What is deep learning, layers, learning, wieghts, loss functions, optimizers, CPU, GPU, TPU.
2)	Neural Networks Perceptrons, sigmoid neurons, learning with gradient descent and momentum based gradient descent.
3)	Neural Networks Back propagation.
4)	Neural Networks Cost Functions, cross entropy, softmax, regularization, wieght initialization, early stopping, batch size, tanh activation, dropout, normalization, relu layers, pooling layers.
5)	Mathematical fundamentals of Neural Networks
6)	Getting Started with Neural Networks
7)	Fundamentals of Deep Learning Supervised, unsupervised, selfsupervised and reinforcement learnings, train/validation/test splits allocations, vanishing gradient descent problem, overfitting and underfitting.
8)	MidTerm Exam
9)	Convolutional Neural Networks Fundamentals Pretrained models Fine-tuning
10)	Convolutional Neural Networks Feature extraction Python generators Visualizing intermediate activations and filters Class activation maps
11)	Encoder – Decoder Models
12)	Recurrent Neural Networks LSTMs, Combining CNN-LSTM models
13)	Video Processing 3D CNN, Keras functional API, callbacks
14)	Project Presentations

*Bu alan öğrencilerin ders öncesi hazırlık ve sonrası dersi pekiştirme için paylaşılan ders materyallerini içerir.

Ders İçin Zorunlu/Önerilen Kaynaklar

Ders Notları / Kitaplar:
Diğer Kaynaklar:	http://neuralnetworksanddeeplearning.com/ Deep Learning with Python FRANÇOIS CHOLLET

BÖLÜM III: DERSİN PROGRAM ÖĞRENME ÇIKTILARI İLE İLİŞKİSİ

(Aşağıdaki matris, ders öğrenme çıktıları (DÖÇ) ile program öğrenme çıktıları (KPÖÇ ve APÖÇ) ile bağını ve (varsa) onlara hangi düzeyde katkı sağladığını sayısal olarak göstermektedir.

Ders Öğrenme Çıktıları ile Program Öğrenme Çıktıları İlişki Matrisi

(KPÖÇ: Kilit Program Öğrenme Çıktılarını; APÖÇ: KPÖÇ ile ilişkilendirilmiş Alt Öğrenme Çıktılarını tanımlar. )

DÖÇ/PÖÇ	KPÖÇ 1	KPÖÇ 2	KPÖÇ 3					KPÖÇ 4
	1	1	1	2	3	4	5	1	2	3	4	5	6

Dersin Program Öğrenme Çıktılarına Katkı Düzeyi

Etkisi Yok	1 En Düşük	2 Düşük	3 Orta	4 Yüksek	5 En Yüksek

	Program Öğrenme Çıktıları	Katkı Oranı (1-5)
1)	Bilgisayar bilimleri ve mühendisliği alanında ileri düzeyde güncel kuramsal ve uygulamalı bilgiye sahiptir.
	1.1 Bilgisayar bilimleri ve mühendisliği alanında uygulanan ileri düzeydeki güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgi sahibidir.
2)	Bilgisayar bilimleri ve mühendisliği alanında ileri düzeyde uygulama ve geliştirme yapar, bilgiye ulaşır, değerlendirir ve uygular.
	2.1 Bilgisayar bilimleri ve mühendisliği alanında uygulama ve geliştirme yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgiyi değerlendirir, yorumlar ve uygular.
3)	Bilgisayar bilimleri ve mühendisliği alanında güncel problemleri çözmek üzere problemi tanımlar, veriye erişir, farklı disiplinlerdeki bilgileri kullanır, araştırmalar tasarlar, sistem ve süreç tasarlar, çözüm yöntemleri geliştirir.
	3.1 Belirsiz, sınırlı ya da eksik verileri kullanarak, bilimsel yöntemlerle bilgiyi tamamlar ve uygular; değişik disiplinlere ait bilgileri bir arada kullanabilir.
	3.2 Mesleğinin yeni ve gelişmekte olan uygulamalarının farkındadır, ihtiyaç duyduğunda bunları inceler ve öğrenir.
	3.3 Alanı ile ilgili problemleri tanımlar ve formüle eder, çözmek için yöntem geliştirir ve çözümlerde yenilikçi yöntemler uygular.
	3.4 Yeni ve/veya özgün fikir ve yöntemler geliştirir; karmaşık sistem veya süreçleri tasarlar ve tasarımlarında yenilikçi/alternatif çözümler geliştirir.
	3.5 Kuramsal, deneysel ve modelleme esaslı araştırmaları tasarlar ve uygular; bu süreçte karşılaşılan karmaşık problemleri irdeler ve çözümler.
4)	Mesleğini en etkin bir şekilde icra etmek ve kendini sürekli geliştirmek için gerekli beceri ve yetkinliklere sahiptir.
	4.1 Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilir, bu tür takımlarda liderlik yapabilir ve karmaşık durumlarda çözüm yaklaşımları geliştirebilir; bağımsız çalışabilir ve sorumluluk alır.
	4.2 Bir yabancı dili (İngilizce) en az Avrupa Dil Portföyü B2 Genel Düzeyinde kullanarak, sözlü ve yazılı iletişim kurar.
	4.3 Çalışmalarının süreç ve sonuçlarını, o alandaki veya alan dışındaki ulusal ve uluslararası ortamlarda sistematik ve açık bir şekilde yazılı ya da sözlü olarak aktarır.
	4.4 Mühendislik uygulamalarının sosyal, çevresel, sağlık, güvenlik, hukuk boyutları ile proje yönetimi ve iş hayatı uygulamalarını bilir ve bunların mühendislik uygulamalarına getirdiği kısıtların farkındadır.
	4.5 Verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir.
	4.6 Beykoz Üniversitesi tarafından tanımlanan yüksek lisans düzeyindeki kurumsal yetkinliklere sahiptir.

BÖLÜM IV: DERSİN ÖĞRENME VE ÖĞRETME YÖNTEMLERİ İLE ÖLÇME VE DEĞERLENDİRME YÖNTEMLERİ

Dersin Öğrenme ve Öğretme Yöntemleri

(Üniversitemiz genelinde kullanılan tüm öğrenme ve öğretme yöntemleri sistematik olarak yönetilmektedir. Akademik birimlerden gelen talepler doğrultusunda bölüm/programların öğrenme ve öğretme yöntemleri ilgili kurullarımız tarafından değerlendirilmekte ve uygun bulunursa, üniversite havuzunda toplanmaktadır. Bölüm ve programlar, kendileri için program tasarımlarına uygun olan yöntemleri bu havuzdan seçebilmektedirler. Benzer şekilde, dersler için kullanılması uygun görülen yöntemler de programlar düzeyinde belirlenmiş olan yöntemler arasından seçilebilmektedir.)

Programa Genelinde Kullanılan Öğrenme ve Öğretme Yöntemleri	Ders İçin Kullanılan Öğrenme ve Öğretme Yöntemleri
Anlatım
Tartışma
Vaka Çalışması
Problem Çözme
Gösterip Yaptırma
Gösterim
Laboratuvar
Okuma
Ödev
Proje Hazırlama
Tez Hazırlama
Akran Eğitimi
Seminer
Teknik Gezi
Ders Konferansı
Beyin Fırtınası
Soru Cevap
Bireysel ve Grup Çalışması
Rol Oynama-Canlandırma-Doğaçlama
Stüdyo Uygulamaları
Derse Aktif Katılım

Dersin Ölçme ve Değerlendirme Yöntemleri

(Üniversitemiz genelinde kullanılan tüm ölçme ve değerlendirme yöntemleri sistematik olarak yönetilmektedir. Akademik birimlerden gelen talepler doğrultusunda bölüm/programların ölçme ve değerlendirme yöntemleri ilgili kurullarımız tarafından değerlendirilmekte ve uygun bulunursa, üniversite havuzunda toplanmaktadır. Bölüm ve programlar, kendileri için program tasarımlarına uygun olan yöntemleri bu havuzdan seçebilmektedirler. Benzer şekilde, dersler için kullanılması uygun görülen yöntemler de programlar düzeyinde belirlenmiş olan yöntemler arasından seçilebilmektedir.)

Programa Genelinde Kullanılan Ölçme ve Değerlendirme Yöntemleri	Ders İçin Kullanılan Ölçme ve Değerlendirme Yöntemleri
Ara Sınav
Sunum
Yarıyıl Sonu Sınavı
Kısa Sınav
Rapor Değerlendirme
Ödev Değerlendirme
Sözlü sınav
Tez Sunma
Jüri Değerlendirmesi
Uygulama Sınavı
İşyerinde Uygulama Eğitimi Değerlendirmesi
Derse Aktif Katılım
Tartışmalara Katılım

DÖÇ İle Öğrenme-Öğretme Yöntemleri ve Ölçme-Değerlendirme Yöntemleri İlişki Matrisi

(Aşağıdaki matris, dersin öğrenme çıktıları ile ilişkili olarak ders için belirlenmiş olan öğrenme ve öğretme yöntem(leri) ile ölçme ve değerlendirme yöntem(leri)ni göstermektedir.)

Dersin Ölçme ve Değerlendirme Yöntemlerinin Başarı Notuna Katkısı

Ölçme ve Değerlendirme Yöntemleri	Uygulama Sayısı / Yarıyıl	Katkı Oranı
Kısa Sınavlar	2	% 30.00
Ara Sınavlar	1	% 20.00
Yarıyıl Sonu Sınavı	1	% 50.00
Toplam		% 100
YARIYIL İÇİ ÖLÇME VE DEĞERLENDİRME YÖNTEMLERİNİN BAŞARI NOTUNA KATKI ORANI		% 50
YARIYIL SONU SINAVININ BAŞARI NOTUNA KATKI ORANI		% 50
Toplam		% 100

BÖLÜM V: DERSİN İŞ YÜKÜ VE AKTS KREDİSİ

ÖĞRENME VE ÖĞRETME ETKİNLİKLERİ İŞ YÜKÜ
Öğrenme ve Öğretme Etkinlikleri	Etkinlik Sayısı/Yarıyıl	Süresi (saat)	Toplam İş Yükü
Ders	0	0	0
Laboratuvar	0	0	0
Uygulama	0	0	0
Derse Özgü Staj	0	0	0
Arazi Çalışması	0	0	0
Sınıf Dışı Ders Çalışması	0	0	0
Sunum / Seminer	1	0	0
Proje	1	0	0
Ödevler	0	0	0
Öğrenme ve Öğretme Etkinlikleri Toplam İş Yükü	-	-	0
ÖLÇME VE DEĞERLENDİRME ETKİNLİKLERİ İŞ YÜKÜ
Ölçme ve Değerlendirme Etkinlikleri	Etkinlik Sayısı/Yarıyıl	Süresi (saat)	Toplam İş Yükü
Kısa Sınav	2	2	4
Ara Sınavlar	1	2	2
Yarıyıl Sonu Sınavı	1	2	2
Ölçme ve Değerlendirme Etkinlikleri Toplam İş Yükü	-	-	8
TOPLAM İŞ YÜKÜ (Öğrenme ve Öğretme + Ölçme ve Değerlendirme Etkinlikleri)			8
DERSİN AKTS KREDİSİ (Toplam İş Yükü/25.5 Saat)			6