Dersin Ayrıntıları
YarıyılKoduAdıT+U+LKrediAKTSSon Güncelleme Tarihi
8BLMS431İleri Derin Öğrenme3+0+03513.10.2025

 
Dersin Detayları
Dersin Dili Türkçe
Dersin Düzeyi Lisans
Bölümü / Programı Bilgisayar Mühendisliği
Öğrenim Türü Örgün Öğretim
Dersin Türü Seçmeli
Dersin Öğretim Şekli Yüz Yüze
Dersin Amacı Dersin amacı, derin öğrenme konusunda ileri seviye araştırma yapabilmek ve uygulama geliştirebilmek için öğrenciyi hazırlamaktır.
Dersin İçeriği Yapay sinir ağlarının teorik kısımları, derin öğrenme algoritmaları, Python Keras ile bilgisayar görüsü ve metin verileri üzerinde uygulama geliştirme yaklaşımları.
Dersin Yöntem ve Teknikleri
Ön Koşulları Yok
Dersin Koordinatörü Dr. Öğretim Üyesi Ümit Öztürk
Dersi Verenler Tanımsız Engin SEVEN
Dersin Yardımcıları Yok
Dersin Staj Durumu Yok

Ders Kaynakları
Kaynaklar Deep Learning with Python, 2nd ed. François Chollet veya Türkçe çevirisi: Python ile Derin Öğrenme, François Chollet 2. Baskı
Introduction to Machine Learning, Ethem Alpaydın
Yapay Zeka, Dr. Atınç Yılmaz

Ders Yapısı
Matematik ve Temel Bilimler %20
Mühendislik Bilimleri %40
Alan Bilgisi %40

Planlanan Öğrenme Aktiviteleri ve Metodları
Etkinlikler ayrıntılı olarak "Değerlendirme" ve "İş Yükü Hesaplaması" bölümlerinde verilmiştir.

Değerlendirme Ölçütleri
Yarıyıl Çalışmaları Sayısı Katkı
Ara Sınav 1 % 35
Uygulama 1 % 15
Yarıyıl Sonu Sınavı 1 % 50
Toplam :
3
% 100

 
AKTS Hesaplama İçeriği
İş Yükü Sayısı Süre Toplam İş Yükü (Saat)
Ders Süresi 14 3 42
Sınıf Dışı Ç. Süresi 14 1 14
Sunum/Seminer Hazırlama 1 10 10
Ara Sınavlar 1 30 30
Yarıyıl Sonu Sınavı 1 30 30
Toplam İş Yükü   AKTS Kredisi : 5 126

 
Dersin Öğrenme Çıktıları: Bu dersin başarılı bir şekilde tamamlanmasıyla öğrenciler şunları yapabileceklerdir:
Sıra NoAçıklama
1 Yapay sinir ağı modelinin teorisinden anlar ve modeli uygular.
2 Derin öğrenme ve makine öğrenmesi temellerini kavrar.
3 Doğal dil işleme teorisini anlar ve modeli uygular.
4 Grammer ve Diller teorisini kavrar
5 Dil Modellerini uygular
6 Biçimbilimsel analiz ve Sözdizimsel analiz teorisini anlar
7 Büyük Dil Modelleri algoritmalarını uygular

 
Ders Konuları
HaftaKonuÖn HazırlıkDökümanlar
1 Derin öğrenme kavramı
2 Yapay sinir ağı (Teorik)
3 Yapay sinir ağı (Teorik)
4 Matematiksel temeller için gerekli kütüphane ve veri yapıları.
5 Sinir ağının uygulanması
6 Evrişimli sinir ağları (Teorik)
7 Bilgisayar görüsü için Evrişimli Sinir Ağının uygulanması - 1
8 Bilgisayar görüsü için CNN algoritmasının uygulanması - 2
9 Yinelemeli Sinir Ağları (RNN - Teorik)
10 LSTM (Long-Short Term Memory-LSTM - Teorik)
11 Metin verisinin dönüştürülmesi.
12 RNN algoritmasının uygulanması
13 LSTM algoritmasının uygulanması.
14 Gated Recurrent Unit (GRU - Teori ve uygulama)

 
Dersin Program Çıktılarına Katkısı
P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P11
Tüm 1
Ö1 5 4 4 4 4
Ö2 5 4 4 4
Ö3 5 5 5 5
Ö4 5 5 5 5 5
Ö5 5 5 5 5 5
Ö6 5 5 5 5 5
Ö7 5 5 5 4 4

  Katkı Düzeyi: 1: Çok Düşük 2: Düşük 3: Orta 4: Yüksek 5: Çok Yüksek

  
  https://obs.gedik.edu.tr/oibs/bologna/progCourseDetails.aspx?curCourse=243280&curProgID=5607&lang=tr