DERSİN TÜRÜ	Seçmeli
DERSİN DÜZEYİ	Doktora
DERSİN YILI	-
YARIYIL	-
AKTS	10
ÖĞRETİM ELEMAN(LAR)I	Doçent Doktor Mustafa Sert
DERSİN ÖĞRENME KAZANIMLARI	Bu dersin sonunda öğrenciler; 1) Evrişimli sinir ağları, derin Boltzmann makinesi, otomatik kodlayıcılar gibi derin öğrenme metodlarını bilir. 2) Probleme özgü derin öğrenme mimarisi tasarlamayı bilir. 3) Derin sinir ağlarını eğitmeyi ve sınamayı bilir.
DERSİN VERİLİŞ BİÇİMİ	Yüz Yüze
DERSİN ÖNKOŞULLARI	Yok
ÖNERİLEN DERSLER	BIL535 - Makine Öğrenmeye Giriş
DERS TANIMI
DERS İÇERİĞİ	HAFTA KONULAR 1. Hafta Makine öğrenmesi temelleri ve uygulamaları 2. Hafta Yapay sinir ağlarına genel bakış 3. Hafta Çok katmanlı perseptron 4. Hafta Derin sinir ağlarının eğitimi 5. Hafta Evrişimsel sinir ağları 6. Hafta Evrişimsel sinir ağları 7. Hafta Yinelenen sinir ağları 8. Hafta Arasınav 9. Hafta Derin üretici modeller 10. Hafta Derin üretici modeller 11. Hafta Derin pekiştirmeli öğrenme 12. Hafta Derin pekiştirmeli öğrenme 13. Hafta Güncel araştırma konuları ve uygulamalar 14. Hafta Güncel araştırma konuları ve uygulamalar
ZORUNLU YA DA ÖNERİLEN KAYNAKLAR	1. Ian Goodfellow, Yoshua Bengio, and Aaron Courville, Deep Learning, MIT Press, 2016 2. K. P. Murphy. Machine Learning: A Probabilistic Perspective, MIT Press, 2012. 3. Tom Mitchell, \Machine Learning", McGraw-Hill, (1997).
ÖĞRETİM YÖNTEM VE TEKNİKLERİ	Anlatım,Soru-Cevap,Sorun/Problem Çözme,Sunum
DEĞERLENDİRME YÖNTEMİ VE GEÇME KRİTERLERİ	Sayısı Toplam Katkısı(%) Ara Sınav 1 30 Ödev 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 Final Sınavına Hazırlık Ders Saati 14 3 42 Ara Sınava Hazırlık 1 30 30 Laboratuvar Final Sınavı Ödevler 2 40 80 Proje 1 150 150 Toplam İş Yükü 304 Toplam İş Yükü / 30 10,13 Dersin AKTS Kredisi 10
DİL	Türkçe
STAJ / UYGULAMA	Yok