Elektrik ve Elektronik Mühendisliği Yüksek Lisans Programı (Tezli)

EEE 517 | Ders Tanıtım Bilgileri

Dersin Adı

Derin Öğrenme Yöntemleri ve Uygulamaları

Kodu	Yarıyıl	Teori (saat/hafta)	Uygulama/Lab (saat/hafta)	Yerel Kredi	AKTS
EEE 517	Güz/Bahar	3	0	3	7.5

Ön-Koşul(lar)	Yok
Dersin Dili	İngilizce
Dersin Türü	Seçmeli
Dersin Düzeyi	Yüksek Lisans / Doktora
Dersin Veriliş Şekli	-
Dersin Öğretim Yöntem ve Teknikleri	Problem çözme Deney / Laboratuvar / Atölye uygulama Anlatım / Sunum
Ulusal Meslek Sınıflandırma Kodu	-
Dersin Koordinatörü	Dr. Öğr. Üyesi Ayça Kumluca Topallı
Öğretim Eleman(lar)ı	Dr. Öğr. Üyesi Ayça Kumluca Topallı
Yardımcı(ları)	-

Dersin Amacı

Bu ders öğrencilere makine öğrenmesi terminolojisi, en yaygın derin öğrenme algoritmaları, derin öğrenme tekniklerinin Python ve TensorFlow ile gerçek-hayat problemlerine uygulanması, öğrenme parametrelerinin seçimi ve sonuçların yorumlanması hakkında genel bilgi vermeyi amaçlar.

Öğrenme Çıktıları

#	İçerik	PÇ Sub	* Katkı Düzeyi
#	İçerik	PÇ Sub	1	2	3	4	5
1	TensorFlow ile derin sinir ağları oluşturup eğitebilecektir.
2	Derin öğrenmenin ana mimari parametrelerini belirleyebilecektir.
3	Evrişimsel sinir ağları oluşturabilecek ve onları görsel veriler ile nesne algılamaya uygulayabilecektir.
4	Tekrarlayan sinir ağları oluşturup eğitebilecektir.
5	Doğal dil işleme ve sözcük temsili üzerine çalışabilecektir.

Ders Tanımı

Bu ders, yüz tanıma, sürücüsüz araçlar, insansı konuşma vb. gibi yapay zekâdaki birçok yeni gelişmenin temelindeki derin öğrenmeye bir giriş niteliğindedir. Temel sinir ağları, evrişimsel ve tekrarlayan ağ yapıları ve doğal dil işlemeyi kapsayan konular hem teoriye hem de pratiğe odaklanarak işlenecektir. Kalkülüs, lineer cebir, olasılık ve istatistik konularında güçlü bir temel ve Python ile kodlama deneyimi beklenmektedir. Makine öğrenmesi ile ilgili temel bilgi olması yararlıdır ama gereklilik değildir.

Dersin Kategorisi	Temel Ders
	Uzmanlık/Alan Dersleri
	Destek Dersleri
	İletişim ve Yönetim Becerileri Dersleri
	Aktarılabilir Beceri Dersleri

HAFTALIK KONULAR VE İLGİLİ ÖN HAZIRLIK ÇALIŞMALARI

Hafta	Konular	Ön Hazırlık	Öğrenme Çıktısı
1	Makine Öğrenmesinin Temelleri	I. Goodfellow, Y. Bengio, A. Courville, Deep Learning, MIT Press, 2016. ISBN: 978-0262035613, Ch 5.
2	Derin Öğrenmeye Giriş	I. Goodfellow, Y. Bengio, A. Courville, Deep Learning, MIT Press, 2016. ISBN: 978-0262035613, Ch 6.
3	TensorFlow’a Giriş	I. Zafar et al., Hands-On Convolutional Neural Networks with TensorFlow, Packt Publishing, 2018. ISBN: 978-1789130331, Ch 1.
4	Derin Sinir Ağları	I. Zafar et al., Hands-On Convolutional Neural Networks with TensorFlow, Packt Publishing, 2018. ISBN: 978-1789130331, Ch 2.
5	Evrişimsel Sinir Ağlarının Temelleri	I. Zafar et al., Hands-On Convolutional Neural Networks with TensorFlow, Packt Publishing, 2018. ISBN: 978-1789130331, Ch 2.
6	Ödev-1 Sunumları
7	TensorFlow ile Görüntü Sınıflandırma	I. Zafar et al., Hands-On Convolutional Neural Networks with TensorFlow, Packt Publishing, 2018. ISBN: 978-1789130331, Ch 3.
8	TensorFlow ile Nesne Algılama ve Bölümleme	I. Zafar et al., Hands-On Convolutional Neural Networks with TensorFlow, Packt Publishing, 2018. ISBN: 978-1789130331, Ch 4.
9	Derin Sinir Ağlarını Geliştirme	I. Goodfellow, Y. Bengio, A. Courville, Deep Learning, MIT Press, 2016. ISBN: 978-0262035613, Ch 7, 8.
10	Ödev-2 Sunumları
11	Tekrarlayan Sinir Ağları	I. Goodfellow, Y. Bengio, A. Courville, Deep Learning, MIT Press, 2016. ISBN: 978-0262035613, Ch 10.
12	Doğal Dil İşleme	I. Goodfellow, Y. Bengio, A. Courville, Deep Learning, MIT Press, 2016. ISBN: 978-0262035613, Ch 12.
13	Ödev-3 Sunumları
14	Proje Sunumları
15	Dönemin Gözden Geçirilmesi
16	Final Sınavı

Ders Kitabı	I. Goodfellow, Y. Bengio, A. Courville, Deep Learning, MIT Press, 2016. http://www.deeplearningbook.org ISBN: 978-0262035613 I. Zafar et al., Hands-On Convolutional Neural Networks with TensorFlow, Packt Publishing, 2018. ISBN: 978-1789130331
Önerilen Okumalar/Materyaller	Deep Learning Specialization https://www.coursera.org/specializations/deep-learning TensorFlow https://www.tensorflow.org

DEĞERLENDİRME ÖLÇÜTLERİ

Yarıyıl Aktiviteleri	Sayı	Katkı Payı %	LO 1	LO 2	LO 3	LO 4	LO 5
Katılım
Laboratuvar / Uygulama
Arazi Çalışması
Küçük Sınav / Stüdyo Kritiği
Portfolyo
Ödev	3	30
Sunum / Jüri Önünde Sunum
Proje	1	40
Seminer/Çalıştay
Sözlü Sınav
Ara Sınav
Final Sınavı	1	30
Toplam

Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı	4	70
Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı	1	30
Toplam

AKTS / İŞ YÜKÜ TABLOSU

Yarıyıl Aktiviteleri	Sayı	Süre (Saat)	İş Yükü
Teorik Ders Saati (Sınav haftası dahildir: 16 x teorik ders saati)	16	3	48
Laboratuvar / Uygulama Ders Saati (Sınav haftası dahildir. 16 x uygulama/lab ders saati)	16		0
Sınıf Dışı Ders Çalışması	14	4	56
Arazi Çalışması			0
Küçük Sınav / Stüdyo Kritiği			0
Portfolyo			0
Ödev	3	12	36
Sunum / Jüri Önünde Sunum			0
Proje	1	60	60
Seminer/Çalıştay			0
Sözlü Sınav			0
Ara Sınavlar			0
Final Sınavı	1	20	20
		Toplam	220

DERSİN ÖĞRENME ÇIKTILARININ PROGRAM YETERLİLİKLERİ İLE İLİŞKİSİ

#	PÇ Sub	Program Yeterlilikleri / Çıktıları	* Katkı Düzeyi
#	PÇ Sub	Program Yeterlilikleri / Çıktıları	1	2	3	4	5
1	Elektrik ve Elektronik Mühendisliği alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgiyi değerlendirir, yorumlar ve uygular.		-	-	-	-	-
2	Elektrik ve Elektronik Mühendisliği alanında uygulanan güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgi sahibidir.		-	-	-	-	-
3	Belirsiz, sınırlı ya da eksik verileri kullanarak, bilimsel yöntemlerle bilgiyi tamamlar ve uygular;değişik disiplinlere ait bilgileri bir arada kullanabilir.		-	-	-	-	-
4	Mesleğinin yeni ve gelişmekte olan uygulamalarının farkındadır, ihtiyaç duyduğunda bunları inceler ve öğrenir.		-	-	-	-	-
5	Elektrik ve Elektronik Mühendisliği alanı ile ilgili problemleri tanımlar ve formüle eder, çözmek için yöntem geliştirir ve çözümlerde yenilikçi yöntemler uygular.		-	-	-	-	-
6	Yeni ve/veya özgün fikir ve yöntemler geliştirir; karmaşık sistem veya süreçleri tasarlar ve tasarımlarında yenilikçi/alternatif çözümler geliştirir.		-	-	-	-	-
7	Kuramsal, deneysel ve modelleme esaslı araştırmaları tasarlar ve uygular; bu süreçte karşılaşılan karmaşık problemleri irdeler ve çözümler.		-	-	-	-	-
8	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.		-	-	-	-	-
9	Bir yabancı dili en az Avrupa Dil Portföyü B2 Genel Düzeyinde kullanarak, sözlü ve yazılı iletişim kurar.		-	-	-	-	-
10	Çalışmalarının süreç ve sonuçlarını, o alandaki veya alan dışındaki ulusal ve uluslararası ortamlarda sistematik ve açık bir şekilde yazılı ya da sözlü olarak aktarır.		-	-	-	-	-
11	Elektrik ve Elektronik Mühendisliği uygulamalarının sosyal, çevresel, sağlık, güvenlik, hukuk boyutları ile proje yönetimi ve iş hayatı uygulamalarını bilir ve bunların elektrik ve elektronik mühendisliği uygulamalarına getirdiği kısıtların farkındadır.		-	-	-	-	-
12	Verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. Araştırma ve yayın etiği ilkelerine uygun davranır.		-	-	-	-	-