DERSİN GENEL BİLGİLERİ |
Ders Kodu | Ders Adı | Yıl | Yarıyıl | Teorik | Pratik | Kredi | AKTS |
70619MEEOS-CME0297 | Neural Networks and Deep Learning | 1 | Bahar | 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: | 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 |
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.) |
Hafta | Konu | ||
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 |
Ders Notları / Kitaplar: | |
Diğer Kaynaklar: | http://neuralnetworksanddeeplearning.com/ Deep Learning with Python FRANÇOIS CHOLLET |
BÖLÜM III: DERSİN PROGRAM ÖĞRENME ÇIKTILARI İLE İLİŞKİSİ |
DÖÇ/PÖÇ | KPÖÇ 1 | KPÖÇ 2 | KPÖÇ 3 | KPÖÇ 4 | |||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1 | 1 | 1 | 2 | 3 | 4 | 5 | 1 | 2 | 3 | 4 | 5 | 6 |
Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
BÖLÜM IV: DERSİN ÖĞRENME VE ÖĞRETME YÖNTEMLERİ İLE ÖLÇME VE DEĞERLENDİRME YÖNTEMLERİ |
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 |
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 |
ÖĞRENME VE ÖĞRETME YÖNTEMLERİ | ÖLÇME VE DEĞERLENDİRME YÖNTEMLERİ | |||||||||||||||||||||
-Anlatım | -Ara Sınav | |||||||||||||||||||||
-Tartışma | -Sunum | |||||||||||||||||||||
-Vaka Çalışması | -Yarıyıl Sonu Sınavı | |||||||||||||||||||||
-Problem Çözme | -Kısa Sınav | |||||||||||||||||||||
-Gösterip Yaptırma | -Rapor Değerlendirme | |||||||||||||||||||||
-Gösterim | -Ödev Değerlendirme | |||||||||||||||||||||
-Laboratuvar | -Sözlü sınav | |||||||||||||||||||||
-Okuma | -Tez Sunma | |||||||||||||||||||||
-Ödev | -Jüri Değerlendirmesi | |||||||||||||||||||||
-Proje Hazırlama | -Uygulama Sınavı | |||||||||||||||||||||
-Tez Hazırlama | -İşyerinde Uygulama Eğitimi Değerlendirmesi | |||||||||||||||||||||
-Akran Eğitimi | -Derse Aktif Katılım | |||||||||||||||||||||
-Seminer | -Tartışmalara Katılım | |||||||||||||||||||||
-Teknik Gezi | ||||||||||||||||||||||
-Ders Konferansı | ||||||||||||||||||||||
-Beyin Fırtınası | ||||||||||||||||||||||
-Soru Cevap | ||||||||||||||||||||||
-Bireysel ve Grup Çalışması | ||||||||||||||||||||||
-Rol Oynama-Canlandırma-Doğaçlama | ||||||||||||||||||||||
-Stüdyo Uygulamaları | ||||||||||||||||||||||
-Derse Aktif Katılım |
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 |