Makine öğrenimi, veriler ve yeni gözlemler hakkında tahminler yapabilen veriye dayalı modeller oluşturmak için algoritmaları inceler. Derin öğrenme olarak da bilinen derin sinir ağlarına dayalı makine öğrenimi yaklaşımlarındaki son gelişmeler, bilgisayar görüşü, doğal dil işleme, konuşma tanıma ve robotik dahil olmak üzere birbiriyle yakından ilişkili birçok alanda performans kırılmalarına ve hızlandırılmış araştırmalara yol açmıştır. Bu ders, yalnızca derin öğrenmenin temellerini kapsamayı değil, aynı zamanda çağdaş araştırmayı da kavramayı amaçlamaktadır. Kurs, makine öğrenimi ve sayısal optimizasyona kısa bir genel bakışla başlayacak. Ardından, ileri beslemeli sinir ağı mimarileri ve evrişimli sinir ağlarının tasarımı, eğitimi ve görselleştirilmesindeki temel teknikler ve modern yaklaşımlar tanıtılacaktır. Görüntülerdeki görsel varlıkların uzamsal lokalizasyonu için evrişimli sinir ağı tabanlı yöntemler ele alınacaktır. Tekrarlayan sinir ağı mimarileri ve bunların dil ve görüntü anlamadaki uygulamaları tartışılacaktır. Bunu derin üretken modellerdeki son gelişmeler takip edecek. Son olarak, derin takviyeli öğrenme ele alınacaktır.
Ön Koşullar
-
Eş Koşullar
-
Özel Koşullar
-
Öğretim Üyeleri
Dr. Öğr. Üyesi Fatma Patlar Akbulut
Asistanlar
-
Ders Gün,Saat ve Yeri
Bu ders bu dönem açılmamıştır.
Görüşme Saatleri ve Yeri
Bu ders bu dönem açılmamıştır.
Öğretim Yöntem ve Teknikleri
Anlatım, Tartışma, LAB, Ödevler ve Proje.
Temel Kaynaklar
Goodfellow, Y. Bengio, A. Courville, Deep Learning, MIT Press, 2016. http://www.deeplearningbook.org.
K. P. Murphy, Machine Learning: A Probabilistic Perspective, MIT Press, 2012.
C. M. Bishop, Pattern Recognition and Machine Learning, Springer, 2006.
Diğer Kaynaklar
-
Haftalık Ders Programı
Hafta
Dersin İçeriği
Öğretim Yöntem ve Teknikleri
1. Hafta
Giriş, makine öğrenimine genel bakış, doğrusal sınıflandırıcılar, kayıp fonksiyonları.
Anlatım, Uygulama.
2. Hafta
Optimizasyon, Stokastik gradyan inişi ve modern değişkenler, geriye yayılım.
Anlatım, Uygulama.
3. Hafta
İleri beslemeli ağlar ve eğitim, Aktivasyon fonksiyonları, başlatma, düzenlileştirme, toplu normalleştirme, model seçimi, topluluklar.
Anlatım, Uygulama.
4. Hafta
İleri beslemeli ağlar ve eğitim, Aktivasyon fonksiyonları, başlatma, düzenlileştirme, toplu normalleştirme, model seçimi, topluluklar.
Anlatım, Uygulama.
5. Hafta
Konvolüsyonel sinir ağları, Temeller, mimariler, havuzlama, görselleştirme.
Anlatım, Uygulama.
6. Hafta
Konvolüsyonel sinir ağları, Temeller, mimariler, havuzlama, görselleştirme.
Anlatım, Uygulama.
7. Hafta
Uzamsal yerelleştirme için derin öğrenme, Transpoze evrişim, havuzlama, nesne algılama, semantik bölümleme.
Anlatım, Uygulama.
8. Hafta
Tekrarlayan sinir ağları, Tekrarlayan sinir ağları (RNN), uzun-kısa süreli bellek (LSTM), dil modelleri, makine çevirisi, resim yazısı, video işleme, görsel soru cevaplama, video işleme, tanımlardan öğrenme, dikkat.
Anlatım, Uygulama.
9. Hafta
Tekrarlayan sinir ağları, Tekrarlayan sinir ağları (RNN), uzun-kısa süreli bellek (LSTM), dil modelleri, makine çevirisi, resim yazısı, video işleme, görsel soru cevaplama, video işleme, tanımlardan öğrenme, dikkat.
Anlatım, Uygulama.
10. Hafta
Tekrarlayan sinir ağları, Tekrarlayan sinir ağları (RNN), uzun-kısa süreli bellek (LSTM), dil modelleri, makine çevirisi, resim yazısı, video işleme, görsel soru cevaplama, video işleme, tanımlardan öğrenme, dikkat.
Anlatım, Uygulama.
11. Hafta
Derin üretken modeller, Otomatik kodlayıcılar, varyasyonel otomatik kodlayıcılar, üretici rakip ağlar, otomatik gerileyen modeller, üretici görüntü modelleri, denetimsiz ve kendi kendini denetleyen temsili öğrenme.
Anlatım, Uygulama.
12. Hafta
Derin üretken modeller, Otomatik kodlayıcılar, varyasyonel otomatik kodlayıcılar, üretici rakip ağlar, otomatik gerileyen modeller, üretici görüntü modelleri, denetimsiz ve kendi kendini denetleyen temsili öğrenme.
Anlatım, Uygulama.
13. Hafta
Derin pekiştirmeli öğrenme, Politika gradyan yöntemleri, Q-Learning, Proje sunumları
Anlatım, Uygulama.
14. Hafta
Derin pekiştirmeli öğrenme, Politika gradyan yöntemleri, Q-Learning, Proje sunumları
Anlatım, Uygulama.
15. Hafta
16. Hafta
17. Hafta
Değerlendirme Ölçütleri
Ölçüt Tipleri
Adet
Yüzdesi(%)
Ara sınav(lar)
1
30
Ödevler / Dönem Ödevi / Sunum
3
15
Projeler
1
15
Final
1
40
ÖÇ-1
Derin öğrenmenin temellerini anlayabilirim.
ÖÇ-2
Derin öğrenmedeki temel teknikleri ve bu alandaki temel araştırmaları bilebilirim.
ÖÇ-3
Derin sinir ağları sistemlerini tasarlayabilir ve uygulayabilirim.
ÖÇ-4
Bilgisayarla görme alanında yeni uygulama gereksinimlerini belirleyebilirim.
ÖÇ-5
Makul çalışma hedeflerini belirleyebilirim ve hedeflere ulaşmak için gereken kaynakları tahmin edebileceğim.
ÖÇ-6
Proje faaliyetlerini açıklayan bilimsel ve teknik belgeleri yapılandırabilme ve hazırlayabilirim.
ÖÇ-7
Bilimsel ve teknik belgeleri okuyup anlayarak çalışma kursu sırasında edindiğim bilgileri bağımsız olarak genişletebilirim.
Program Çıktıları
PÇ-1
Matematik, fen bilimleri ve ilgili mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanabilme becerisi.
PÇ-2
Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi.
PÇ-3
Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi.
PÇ-4
Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi.
PÇ-5
Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme veyorumlama becerisi.
PÇ-6
Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi.
PÇ-7
Sözlü ve yazılı etkin iletişim kurma becerisi; en az bir yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi.
PÇ-8
Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki
gelişmeleri izleme ve kendini sürekli yenileme becerisi.
PÇ-9
Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi.
PÇ-10
Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi.
PÇ-11
Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi;mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık.