Dersin Ayrıntıları
YarıyılKoduAdıT+U+LKrediAKTSSon Güncelleme Tarihi
1EEE 507Deep Learning3+0+03616.06.2026

 
Dersin Detayları
Dersin Dili İngilizce
Dersin Düzeyi Yüksek Lisans
Bölümü / Programı ELEKTRİK-ELEKTRONİK MÜH.(Tezli Y.Lisans)
Öğrenim Türü Örgün Öğretim
Dersin Türü Seçmeli
Dersin Öğretim Şekli Yüz Yüze
Dersin Amacı Bu dersin amacı öğrencilere derin öğrenmenin temel teknikleri ve metodolojileri hakkında bilgi vermek ve derin öğrenme yöntemlerini pratik problemlere uygulama becerisi kazandırmaktır.
Dersin İçeriği Derin sinir ağlarının gözden geçirilmesi. Derin öğrenme için temel öğrenme algoritmaları ve mimarileri. Evrişimsel sinir ağları. Sıra modelleri. Otomatik Kodlayıcılar. Hiperparametrelerin ayarlanması, düzenlenmesi ve optimizasyonu.
Dersin Yöntem ve Teknikleri
Ön Koşulları Yok
Dersin Koordinatörü Doç.Dr. Serkan ÖZBAY
Dersi Verenler Doç.Dr. SERKAN ÖZBAY
Dersin Yardımcıları Yok
Dersin Staj Durumu Yok

Ders Kaynakları
Kaynaklar Ders Notları
Ders Notları Deep Learning
Charu C. Aggarwal
Springer International Publishing

MATLAB Deep Learning
Phil Kim

Ders Yapısı
Matematik ve Temel Bilimler %30
Mühendislik Bilimleri %50
Mühendislik Tasarımı %20

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

Değerlendirme Ölçütleri
Yarıyıl Çalışmaları Sayısı Katkı
Ara Sınav 2 % 40
Proje 1 % 20
Yarıyıl Sonu Sınavı 1 % 40
Toplam :
4
% 100

 
AKTS Hesaplama İçeriği
İş Yükü Sayısı Süre Toplam İş Yükü (Saat)
Haftalık teorik ders saati 14 3 42
Okuma Faaliyetleri 14 3 42
İnternetten tarama, kütüphane çalışması 1 4 4
Materyal tasarlama, uygulama 1 8 8
Rapor hazırlama 1 8 8
Sunu hazırlama 1 8 8
Sunum 1 8 8
Ara sınav ve ara sınava hazırlık 2 20 40
Final sınavı ve final sınavına hazırlık 1 20 20
Toplam İş Yükü   AKTS Kredisi : 6 180

 
Dersin Öğrenme Çıktıları: Bu dersin başarılı bir şekilde tamamlanmasıyla öğrenciler şunları yapabileceklerdir:
Sıra NoAçıklama
1 Derin öğrenmenin temellerini anlamak.
2 Derin öğrenmedeki temel teknikleri ve bu alandaki temel araştırmaları bilmek.
3 Derin öğrenme sinir ağı mimarilerinin ve diğer yaklaşımların avantaj ve dezavantajlarının değerlendirilmesi.
4 Derin sinir ağı sistemlerini tasarlayıp uygulayabilme ve gerçek dünya sorunlarını çözebilme.
5 Derin modellerde düzenleme, eğitim optimizasyonu ve hiperparametre seçiminin gerçekleştirilmesi.

 
Ders Konuları
HaftaKonuÖn HazırlıkDökümanlar
1 Derin sinir ağlarının gözden geçirilmesi. İlgili ders notlarını okuma
2 Derin sinir ağlarının gözden geçirilmesi. İlgili ders notlarını okuma
3 Derin öğrenme için temel öğrenme algoritmaları ve mimarileri. Denetimli Öğrenme İlgili ders notlarını okuma
4 Derin öğrenme için temel öğrenme algoritmaları ve mimarileri. Denetimsiz Öğrenme İlgili ders notlarını okuma
5 Derin öğrenme için temel öğrenme algoritmaları ve mimarileri. Pekiştirmeli Öğrenme İlgili ders notlarını okuma
6 Evrişimsel sinir ağları İlgili ders notlarını okuma
7 Evrişimsel sinir ağları İlgili ders notlarını okuma
8 Evrişimsel sinir ağları İlgili ders notlarını okuma
9 Sıra modelleri İlgili ders notlarını okuma
10 Sıra modelleri İlgili ders notlarını okuma
11 Otomatik Kodlayıcılar İlgili ders notlarını okuma
12 Otomatik Kodlayıcılar İlgili ders notlarını okuma
13 Hiperparametrelerin ayarlanması, düzenlenmesi ve optimizasyonu İlgili ders notlarını okuma
14 Hiperparametrelerin ayarlanması, düzenlenmesi ve optimizasyonu İlgili ders notlarını okuma

 
Dersin Program Çıktılarına Katkısı
P1 P2 P3 P4
Tüm 4 4 4 4
Ö1 4 4 4 4
Ö2 4 4 4 4
Ö3 4 4 4 4
Ö4 4 4 4 4
Ö5 4 4 4 4

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

  
  https://obs.gaziantep.edu.tr/oibs/bologna/progCourseDetails.aspx?curCourse=455332&lang=tr