DERSİN TÜRÜ	Seçmeli
DERSİN DÜZEYİ	Lisans
DERSİN YILI	-
YARIYIL	-
AKTS	5
ÖĞRETİM ELEMAN(LAR)I	-
DERSİN ÖĞRENME KAZANIMLARI	Bu dersin sonunda öğrenciler; 1) Verilen problemleri çözmek için bilinen algoritmaları kullanmak 2) Yazılım araçlarını kullanın 3) Eleştirel düşünme becerilerini geliştirmek 4) Verilen gereksinimleri karşılamak için mevcut algoritmaları genişleterek veya yeni yaklaşımları keşfederek yeni sistemler önermek ve tasarlamak
DERSİN VERİLİŞ BİÇİMİ	Yüz Yüze
DERSİN ÖNKOŞULLARI	Yok
ÖNERİLEN DERSLER
DERS TANIMI	Bu ders öğrencilere, mevcut veriler içerisinde karmaşık paternlerin, farklı algoritma veya algoritma kombinasyonları ile saptanarak ihtiyaç duyulan bilgilerin elde edilmesine yönelik sistemler tasarlama ve geliştirme kabiliyetini kazandırır.
DERS İÇERİĞİ	HAFTA KONULAR 1. Hafta Giriş, ders yapısı, makine öğrenmeye genel bakış ve derin öğrenmeye genel bakış. 2. Hafta Optimizasyon. 3. Hafta Feedforward ağları ve eğitim. 4. Hafta Feedforward ağları ve eğitim; 5. Hafta Konvolüsyonel sinir ağları. 6. Hafta Konvolüsyonel sinir ağları. 7. Hafta Mekansal yerelleştirme için derin öğrenme. 8. Hafta Ara SINAV 9. Hafta Tekrarlayan sinir ağları. 10. Hafta Tekrarlayan sinir ağları. 11. Hafta Derin üretken modeller. 12. Hafta Derin üretken modeller. 13. Hafta Derin güçlendirme öğrenmesi. 14. Hafta Derin güçlendirme öğrenmesi. Proje sunumları
ZORUNLU YA DA ÖNERİLEN KAYNAKLAR	Deep Learning, I. Goodfellow, Y. Bengio, A. Courville, 2016, MIT Press
ÖĞRETİM YÖNTEM VE TEKNİKLERİ	Anlatım
DEĞERLENDİRME YÖNTEMİ VE GEÇME KRİTERLERİ	Sayısı Toplam Katkısı(%) Ara Sınav 1 30 Proje 1 30 Toplam(%) 60 Yıl İçinin Başarıya Oranı(%) 60 Finalin Başarıya Oranı(%) 40 Toplam(%) 100
AKTS İŞ YÜKÜ	Aktivite Sayı Süresi(Saat) İş Yükü Ara Sınav 1 2 2 Kısa Sınavlara hazırlık Sınıf Dışı Ders Çalışma Süresi 14 3 42 Final Sınavına Hazırlık 1 25 25 Ders Saati 14 3 42 Ara Sınava Hazırlık 1 25 25 Laboratuvar Final Sınavı 1 2 2 Ödevler Proje 1 12 12 Toplam İş Yükü 150 Toplam İş Yükü / 30 5 Dersin AKTS Kredisi 5
DİL	Türkçe
STAJ / UYGULAMA	Yok