DERİN ÖĞRENMEYE GİRİŞ

AMAÇ

Bu derste derin öğrenmeye giriş sunulmaktadır. Derin öğrenme modern sinir ağlarının geliştirilmesi ve uygulanmasıyla ilgilenen bir makine öğrenme dalıdır. Derste işlenen konular: temel sinir ağları; evrişimsel ve özyineli ağ yapıları; derin güdümsüz öğrenme; bilgisayarla görü, görüntü işleme ve doğal dil işleme gibi alanlardaki uygulamalar. Ders hem güdümlü hem de güdümsüz öğrenme görevleri için eğitim ve eniyileme stratejilerini içerecektir.

İÇERİK

Bu ders; Makine Öğrenme ve Sinir Ağlarına Giriş,Sinir Ağlarının Eğitimi,Evrişimsel Sinir Ağları (ESA),ESA'daki Ağ Katmanları,Derin Öğrenme Donanım ve Yazılımları,Derin Öğrenme Mimarileri,Derin Öğrenme Stratejileri,Bilgisayarla görü uygulamaları,Bilgisayarla Görü ve Derin Öğrenme,Görüntü İşleme ve Derin Öğrenme,Doğal Dil İşleme ve Derin Öğrenme,Özyineli Sinir Ağları ve LSTM'ler,Güdümsüz Öğrenme ve Üretici Modelleme,Derin Öğrenmenin Gelişmiş Uygulamaları; konularını içermektedir.

1. 1

   Design convolutional neural networks for supervised/unsupervised learning

   Öğretim yöntemi: Beyin Fırtınası Tekniği, Proje Temelli Öğrenme Modeli, Proje Temelli Öğrenme Modeli, Deneyimle Öğrenme Modeli · Değerlendirme: Klasik Yazılı Sınav, Ödev, Proje Görevi

2. 2

   Analyze the effects of hyper-parameters on learning performance

   Öğretim yöntemi: Tartışma Yöntemi, Beyin Fırtınası Tekniği, Proje Temelli Öğrenme Modeli, Proje Temelli Öğrenme Modeli, Deneyimle Öğrenme Modeli · Değerlendirme: Klasik Yazılı Sınav, Ödev, Proje Görevi

3. 3

   Apply learning techniques for training deep networks

   Öğretim yöntemi: Tartışma Yöntemi, Beyin Fırtınası Tekniği, Proje Temelli Öğrenme Modeli, Proje Temelli Öğrenme Modeli, Deneyimle Öğrenme Modeli · Değerlendirme: Klasik Yazılı Sınav, Ödev, Proje Görevi

4. 4

   Recognize the applications of deep networks in computer vision, image processing and natural language processing

   Öğretim yöntemi: Beyin Fırtınası Tekniği, Proje Temelli Öğrenme Modeli, Proje Temelli Öğrenme Modeli, Deneyimle Öğrenme Modeli · Değerlendirme: Ödev, Proje Görevi

5. 5

   Use current software and hardware tools for deep learning

   Öğretim yöntemi: Beyin Fırtınası Tekniği, Proje Temelli Öğrenme Modeli, Proje Temelli Öğrenme Modeli, Deneyimle Öğrenme Modeli · Değerlendirme: Ödev, Proje Görevi

HAFTALIK PLAN

1. HAFTA 1

   Makine Öğrenme ve Sinir Ağlarına Giriş

2. HAFTA 2

   Sinir Ağlarının Eğitimi

3. HAFTA 3

   Evrişimsel Sinir Ağları (ESA)

4. HAFTA 4

   ESA'daki Ağ Katmanları

5. HAFTA 5

   Derin Öğrenme Donanım ve Yazılımları

6. HAFTA 6

   Derin Öğrenme Mimarileri

7. HAFTA 7

   Derin Öğrenme Stratejileri

8. HAFTA 8

   Bilgisayarla görü uygulamaları

9. HAFTA 9

   Bilgisayarla Görü ve Derin Öğrenme

10. HAFTA 10

    Görüntü İşleme ve Derin Öğrenme

11. HAFTA 11

    Doğal Dil İşleme ve Derin Öğrenme

12. HAFTA 12

    Özyineli Sinir Ağları ve LSTM'ler

13. HAFTA 13

    Güdümsüz Öğrenme ve Üretici Modelleme

14. HAFTA 14

    Derin Öğrenmenin Gelişmiş Uygulamaları

DEĞERLENDİRME

• Ara Sınavın Başarıya Oranı30%
• Genel Sınavın Başarıya Oranı70%

İŞ YÜKÜ

KAYNAKLAR

• Deep Learning, I. Goodfellow, Y. Bengio and A. Courville , MIT Press, http://www.deeplearningbook.org , 2016.
• Machine Learning Yearning, Andrew Ng, http://www.mlyearning.org/, Intel® AI Academy Deep Learning 501 https://software.intel.com/en-us/ai-academy/students/kits/deep-learning-501

ÖĞRETİM ELEMANLARI

• Prof.Dr. Bahadır Kürşat GÜNTÜRKKOORDİNATÖR
• Assist.Prof. Ahmet KAPLAN