YAZILIM MÜHENDİSLİĞİ (İNGİLİZCE)
Kazanılan Yeterlilik	Program Süresi	Toplam Kredi (AKTS)	Öğretim Şekli	Yeterliliğin Düzeyi ve Öğrenme Alanı
	4	240	FULL TIME	TYÇ, TYYÇ, EQF-LLL, ISCED (2011):6. Düzey QF-EHEA:1. Düzey TYYÇ, ISCED (1997-2013): 48,52

Ders Genel Tanıtım Bilgileri

Ders Kodu:

1413002007

Ders İsmi:

Deep Learning

Ders Yarıyılı:

Bahar

Ders Kredileri:

Teorik	Pratik	Laboratuvar	Kredi	AKTS
3	0	0	3	5

Öğretim Dili:

Ders Koşulu:

Ders İş Deneyimini Gerektiriyor mu?:

Hayır

Ders İçin Önerilen Diğer Hususlar:

yok

Dersin Türü:

Department Elective

Dersin Seviyesi:

Lisans

TYYÇ:6. Düzey

QF-EHEA:1. Düzey

EQF-LLL:6. Düzey

Dersin Veriliş Şekli:

Yüz yüze

Dersin Koordinatörü:

Dr.Öğr.Üyesi Adem ÖZYAVAŞ

Dersi Veren(ler):

Dersin Yardımcıları:

Dersin Amaç ve İçeriği

Dersin Amacı:

Farklı tip verilerden elde edilen üst düzey özellikleri derin mimarilerden yararlanarak öğrenmek için kullanılabilecek yöntemlerinin sunulması ve bu yöntemlerin görüntü tanımadan robot kontrolüne kadar farklı amaçlar için nasıl uygulanabileceğinin gösterilmesi.

Dersin İçeriği:

Derin öğrenmenin tarihçesi ve teorik avantajları, Derin öğrenme için kullanılabilecek temel yapay sinir ağı mimarileri ve öğrenme algoritmaları, Dağıtık Modellerin Düzenlenmesi, Derin Modellerin Eğitimi için Optimizasyon Teknikleri, Konvolüsyonel ağlar, Geri beslemeli ve özyineli ağlar, Otomatik Kodlayıcılar ve Lineer Faktör Modelleri, Temsil Yoluyla Öğrenme, Derin Üretken Modeller – Boltzman Makineleri.

Öğrenme Kazanımları

Bu dersi başarıyla tamamlayabilen öğrenciler;

Öğrenme Kazanımları

1 - Bilgi
Kuramsal - Olgusal
1) Öğrenciler etkinliği açısından yaygın derin öğrenme yöntemlerini değerlendirebilir.
2) Öğrenciler kullanılması düşünelen derin öğrenme yönteminin avantaj ve dezavantajlarını değerlendirebilir.
3) Öğrenciler temel derin öğrenme çözümleri tasarlayıp sınayabilir.
4) Öğrenciler öngörülen çözüm için uygun derin öğrenme mimarisi ve algoritmasını belirleyip uygular.
5) Öğrenciler derin modellerin düzenlenmesi ve optimizasyon yöntemleri hakında bilgi sahibidir.
2 - Beceriler
Bilişsel - Uygulamalı
3 - Yetkinlikler
İletişim ve Sosyal Yetkinlik
Öğrenme Yetkinliği
Alana Özgü Yetkinlik
Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği

Ders Akış Planı

Hafta	Konu	Ön Hazırlık
1)	Örüntü tanımaya giriş	Yoshua Bengio, Ian J. Goodfellow and Aaron Courville, “ Deep Learning”, Book in preparation for MIT Press, http://www.iro.umontreal.ca/~bengioy/dlbook, 2015. Yoshua Bengio, “Learning Deep Architectures for AI”, Foundations and Trends in Machine Learning: Vol. 2: No. 1, pp 1-127, 2009. Li Deng and Dong Yu, "Deep Learning: Methods and Applications", Foundations and Trends in Signal Processing: Vol. 7: No. 3–4, pp 197-387, 2014.
2)	İstatistiksel sınıflayıcılar	Yoshua Bengio, Ian J. Goodfellow and Aaron Courville, “ Deep Learning”, Book in preparation for MIT Press, http://www.iro.umontreal.ca/~bengioy/dlbook, 2015. Yoshua Bengio, “Learning Deep Architectures for AI”, Foundations and Trends in Machine Learning: Vol. 2: No. 1, pp 1-127, 2009. Li Deng and Dong Yu, "Deep Learning: Methods and Applications", Foundations and Trends in Signal Processing: Vol. 7: No. 3–4, pp 197-387, 2014.
3)	Fukunaga-Koontz dönüşümü	Yoshua Bengio, Ian J. Goodfellow and Aaron Courville, “ Deep Learning”, Book in preparation for MIT Press, http://www.iro.umontreal.ca/~bengioy/dlbook, 2015. Yoshua Bengio, “Learning Deep Architectures for AI”, Foundations and Trends in Machine Learning: Vol. 2: No. 1, pp 1-127, 2009. Li Deng and Dong Yu, "Deep Learning: Methods and Applications", Foundations and Trends in Signal Processing: Vol. 7: No. 3–4, pp 197-387, 2014.
4)	Bulanık sınıflayıcı	Yoshua Bengio, Ian J. Goodfellow and Aaron Courville, “ Deep Learning”, Book in preparation for MIT Press, http://www.iro.umontreal.ca/~bengioy/dlbook, 2015. Yoshua Bengio, “Learning Deep Architectures for AI”, Foundations and Trends in Machine Learning: Vol. 2: No. 1, pp 1-127, 2009. Li Deng and Dong Yu, "Deep Learning: Methods and Applications", Foundations and Trends in Signal Processing: Vol. 7: No. 3–4, pp 197-387, 2014.
5)	Stokastik yöntemler	Yoshua Bengio, Ian J. Goodfellow and Aaron Courville, “ Deep Learning”, Book in preparation for MIT Press, http://www.iro.umontreal.ca/~bengioy/dlbook, 2015. Yoshua Bengio, “Learning Deep Architectures for AI”, Foundations and Trends in Machine Learning: Vol. 2: No. 1, pp 1-127, 2009. Li Deng and Dong Yu, "Deep Learning: Methods and Applications", Foundations and Trends in Signal Processing: Vol. 7: No. 3–4, pp 197-387, 2014.
6)	Boyut İndirgeme	Yoshua Bengio, Ian J. Goodfellow and Aaron Courville, “ Deep Learning”, Book in preparation for MIT Press, http://www.iro.umontreal.ca/~bengioy/dlbook, 2015. Yoshua Bengio, “Learning Deep Architectures for AI”, Foundations and Trends in Machine Learning: Vol. 2: No. 1, pp 1-127, 2009. Li Deng and Dong Yu, "Deep Learning: Methods and Applications", Foundations and Trends in Signal Processing: Vol. 7: No. 3–4, pp 197-387, 2014.
7)	Optik filtreler	Yoshua Bengio, Ian J. Goodfellow and Aaron Courville, “ Deep Learning”, Book in preparation for MIT Press, http://www.iro.umontreal.ca/~bengioy/dlbook, 2015. Yoshua Bengio, “Learning Deep Architectures for AI”, Foundations and Trends in Machine Learning: Vol. 2: No. 1, pp 1-127, 2009. Li Deng and Dong Yu, "Deep Learning: Methods and Applications", Foundations and Trends in Signal Processing: Vol. 7: No. 3–4, pp 197-387, 2014.
8)	Ara Sınav 1	Yoshua Bengio, Ian J. Goodfellow and Aaron Courville, “ Deep Learning”, Book in preparation for MIT Press, http://www.iro.umontreal.ca/~bengioy/dlbook, 2015. Yoshua Bengio, “Learning Deep Architectures for AI”, Foundations and Trends in Machine Learning: Vol. 2: No. 1, pp 1-127, 2009. Li Deng and Dong Yu, "Deep Learning: Methods and Applications", Foundations and Trends in Signal Processing: Vol. 7: No. 3–4, pp 197-387, 2014.
9)	Optik örtüşme filtreleri ile sınıflama	Yoshua Bengio, Ian J. Goodfellow and Aaron Courville, “ Deep Learning”, Book in preparation for MIT Press, http://www.iro.umontreal.ca/~bengioy/dlbook, 2015. Yoshua Bengio, “Learning Deep Architectures for AI”, Foundations and Trends in Machine Learning: Vol. 2: No. 1, pp 1-127, 2009. Li Deng and Dong Yu, "Deep Learning: Methods and Applications", Foundations and Trends in Signal Processing: Vol. 7: No. 3–4, pp 197-387, 2014.
10)	Optik Fourier korelasyonu	Yoshua Bengio, Ian J. Goodfellow and Aaron Courville, “ Deep Learning”, Book in preparation for MIT Press, http://www.iro.umontreal.ca/~bengioy/dlbook, 2015. Yoshua Bengio, “Learning Deep Architectures for AI”, Foundations and Trends in Machine Learning: Vol. 2: No. 1, pp 1-127, 2009. Li Deng and Dong Yu, "Deep Learning: Methods and Applications", Foundations and Trends in Signal Processing: Vol. 7: No. 3–4, pp 197-387, 2014.
11)	Ortak dönüşüm korelasyonu	Yoshua Bengio, Ian J. Goodfellow and Aaron Courville, “ Deep Learning”, Book in preparation for MIT Press, http://www.iro.umontreal.ca/~bengioy/dlbook, 2015. Yoshua Bengio, “Learning Deep Architectures for AI”, Foundations and Trends in Machine Learning: Vol. 2: No. 1, pp 1-127, 2009. Li Deng and Dong Yu, "Deep Learning: Methods and Applications", Foundations and Trends in Signal Processing: Vol. 7: No. 3–4, pp 197-387, 2014.
12)	Uyarlamalı ortak dönüşüm korelasyonu	Yoshua Bengio, Ian J. Goodfellow and Aaron Courville, “ Deep Learning”, Book in preparation for MIT Press, http://www.iro.umontreal.ca/~bengioy/dlbook, 2015. Yoshua Bengio, “Learning Deep Architectures for AI”, Foundations and Trends in Machine Learning: Vol. 2: No. 1, pp 1-127, 2009. Li Deng and Dong Yu, "Deep Learning: Methods and Applications", Foundations and Trends in Signal Processing: Vol. 7: No. 3–4, pp 197-387, 2014.
13)	Ardışıl görüntülerde örüntü izleme	Yoshua Bengio, Ian J. Goodfellow and Aaron Courville, “ Deep Learning”, Book in preparation for MIT Press, http://www.iro.umontreal.ca/~bengioy/dlbook, 2015. Yoshua Bengio, “Learning Deep Architectures for AI”, Foundations and Trends in Machine Learning: Vol. 2: No. 1, pp 1-127, 2009. Li Deng and Dong Yu, "Deep Learning: Methods and Applications", Foundations and Trends in Signal Processing: Vol. 7: No. 3–4, pp 197-387, 2014.
14)	Örüntü tanıma performans ölçütleri	Yoshua Bengio, Ian J. Goodfellow and Aaron Courville, “ Deep Learning”, Book in preparation for MIT Press, http://www.iro.umontreal.ca/~bengioy/dlbook, 2015. Yoshua Bengio, “Learning Deep Architectures for AI”, Foundations and Trends in Machine Learning: Vol. 2: No. 1, pp 1-127, 2009. Li Deng and Dong Yu, "Deep Learning: Methods and Applications", Foundations and Trends in Signal Processing: Vol. 7: No. 3–4, pp 197-387, 2014.
15)	Örüntü tanıma performans ölçütleri	Yoshua Bengio, Ian J. Goodfellow and Aaron Courville, “ Deep Learning”, Book in preparation for MIT Press, http://www.iro.umontreal.ca/~bengioy/dlbook, 2015. Yoshua Bengio, “Learning Deep Architectures for AI”, Foundations and Trends in Machine Learning: Vol. 2: No. 1, pp 1-127, 2009. Li Deng and Dong Yu, "Deep Learning: Methods and Applications", Foundations and Trends in Signal Processing: Vol. 7: No. 3–4, pp 197-387, 2014.
16)	Final	Yoshua Bengio, Ian J. Goodfellow and Aaron Courville, “ Deep Learning”, Book in preparation for MIT Press, http://www.iro.umontreal.ca/~bengioy/dlbook, 2015. Yoshua Bengio, “Learning Deep Architectures for AI”, Foundations and Trends in Machine Learning: Vol. 2: No. 1, pp 1-127, 2009. Li Deng and Dong Yu, "Deep Learning: Methods and Applications", Foundations and Trends in Signal Processing: Vol. 7: No. 3–4, pp 197-387, 2014.

Kaynaklar

Ders Notları / Kitaplar:

Yoshua Bengio, Ian J. Goodfellow and Aaron Courville, “ Deep Learning”, Book in preparation for MIT Press, http://www.iro.umontreal.ca/~bengioy/dlbook, 2015.
Yoshua Bengio, “Learning Deep Architectures for AI”, Foundations and Trends in Machine Learning: Vol. 2: No. 1, pp 1-127, 2009.
Li Deng and Dong Yu, "Deep Learning: Methods and Applications", Foundations and Trends in Signal Processing: Vol. 7: No. 3–4, pp 197-387, 2014.

Diğer Kaynaklar:

Ders - Program Öğrenme Kazanım İlişkisi

Ders Öğrenme Kazanımları	1	2	3	4	5
Program Kazanımları
1) Matematik, fen bilimleri, temel mühendislik, bilgisayarla hesaplamavla ilgili mühendislik disiplinine özgü konularda bilgi; bu bilgileri, karmaşık mühendislik problemlerinin çözümünde kullanabilme becerisi
2) Yazılım mühendisliği ile ilgili konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, algoritmik ve yazılımsal problemlerinin çözümünde kullanabilme becerisi.
3) Karmaşık mühendislik problemlerini, temel bilim, matematik ve mühendislik bilgilerini kullanarak ve ele alınan problemle ilgili BM Sürdürülebilir Kalkınma Amaçlarını gözeterek tanımlama, formüle etme ve analiz becerisi
4) Karmaşık mühendislik problemlerine yaratıcı çözümler tasarlama becerisi; karmaşık sistemleri, süreçleri, cihazları veya ürünleri gerçekçi kısıtları ve koşulları gözeterek, mevcut ve gelecekteki gereksinimleri karşılayacak biçimde tasarlama becerisi.
5) Karmaşık mühendislik problemlerinin analizi ve çözümüne yönelik, tahmin ve modelleme de dahil olmak üzere, uygun teknikleri, kaynakları ve modern mühendislik ve bilişim araçlarını, sınırlamalarının da farkında olarak seçme ve kullanma becerisi.
6) Karmaşık mühendislik problemlerinin incelenmesi için literatür araştırması, deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama dahil, araştırma yöntemlerini kullanma becerisi.
7) Mühendislik uygulamalarının BM Sürdürülebilir Kalkınma Amaçları kapsamında, topluma, sağlık ve güvenliğe, ekonomiye, sürdürülebilirlik ve çevreye etkileri hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık
8) Mühendislik meslek ilkelerine uygun davranma, etik sorumluluk hakkında bilgi; hiçbir konuda ayrımcılık yapmadan, tarafsız davranma ve çeşitliliği kapsayıcı olma konularında farkındalık.
9) Disiplin içi ve çok disiplinli takımlarda (yüz yüze, uzaktan veya karma) takım üyesi veya lideri olarak etkin biçimde çalışabilme becerisi
10) Bireysel çalışma becerisi.
11) Hedef kitlenin çeşitli farklılıklarını (eğitim, dil, meslek gibi) dikkate alarak, teknik konularda sözlü, yazılı etkin iletişim kurma becerisi.
12) Proje yönetimi ve ekonomik yapılabilirlik analizi gibi iş hayatındaki uygulamalar hakkında bilgi
13) Girişimcilik ve yenilikçilik hakkında farkındalık.
14) Bağımsız ve sürekli öğrenebilme, yeni ve gelişmekte olan teknolojilere uyum sağlayabilme ve teknolojik değişimlerle ilgili sorgulayıcı düşünebilmeyi kapsayan yaşam boyu öğrenme becerisi.

Ders - Öğrenme Kazanımı İlişkisi

Etkisi Yok	1 En Düşük	2 Düşük	3 Orta	4 Yüksek	5 En Yüksek

	Dersin Program Kazanımlarına Etkisi	Katkı Payı
1)	Matematik, fen bilimleri, temel mühendislik, bilgisayarla hesaplamavla ilgili mühendislik disiplinine özgü konularda bilgi; bu bilgileri, karmaşık mühendislik problemlerinin çözümünde kullanabilme becerisi
2)	Yazılım mühendisliği ile ilgili konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, algoritmik ve yazılımsal problemlerinin çözümünde kullanabilme becerisi.
3)	Karmaşık mühendislik problemlerini, temel bilim, matematik ve mühendislik bilgilerini kullanarak ve ele alınan problemle ilgili BM Sürdürülebilir Kalkınma Amaçlarını gözeterek tanımlama, formüle etme ve analiz becerisi
4)	Karmaşık mühendislik problemlerine yaratıcı çözümler tasarlama becerisi; karmaşık sistemleri, süreçleri, cihazları veya ürünleri gerçekçi kısıtları ve koşulları gözeterek, mevcut ve gelecekteki gereksinimleri karşılayacak biçimde tasarlama becerisi.
5)	Karmaşık mühendislik problemlerinin analizi ve çözümüne yönelik, tahmin ve modelleme de dahil olmak üzere, uygun teknikleri, kaynakları ve modern mühendislik ve bilişim araçlarını, sınırlamalarının da farkında olarak seçme ve kullanma becerisi.
6)	Karmaşık mühendislik problemlerinin incelenmesi için literatür araştırması, deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama dahil, araştırma yöntemlerini kullanma becerisi.
7)	Mühendislik uygulamalarının BM Sürdürülebilir Kalkınma Amaçları kapsamında, topluma, sağlık ve güvenliğe, ekonomiye, sürdürülebilirlik ve çevreye etkileri hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık
8)	Mühendislik meslek ilkelerine uygun davranma, etik sorumluluk hakkında bilgi; hiçbir konuda ayrımcılık yapmadan, tarafsız davranma ve çeşitliliği kapsayıcı olma konularında farkındalık.
9)	Disiplin içi ve çok disiplinli takımlarda (yüz yüze, uzaktan veya karma) takım üyesi veya lideri olarak etkin biçimde çalışabilme becerisi
10)	Bireysel çalışma becerisi.
11)	Hedef kitlenin çeşitli farklılıklarını (eğitim, dil, meslek gibi) dikkate alarak, teknik konularda sözlü, yazılı etkin iletişim kurma becerisi.
12)	Proje yönetimi ve ekonomik yapılabilirlik analizi gibi iş hayatındaki uygulamalar hakkında bilgi
13)	Girişimcilik ve yenilikçilik hakkında farkındalık.
14)	Bağımsız ve sürekli öğrenebilme, yeni ve gelişmekte olan teknolojilere uyum sağlayabilme ve teknolojik değişimlerle ilgili sorgulayıcı düşünebilmeyi kapsayan yaşam boyu öğrenme becerisi.

Öğrenme Etkinliği ve Öğretme Yöntemleri

Ders
Grup çalışması ve ödevi
Ödev
Problem Çözme
Uygulama (Modelleme, Tasarım, Maket, Simülasyon, Deney vs.)

Ölçme ve Değerlendirme Yöntemleri ve Kriterleri

Yazılı Sınav (Açık uçlu sorular, çoktan seçmeli, doğru yanlış, eşleştirme, boşluk doldurma, sıralama)
Ödev
Uygulama
Bireysel Proje

Ölçme ve Değerlendirme

Yarıyıl İçi Çalışmaları	Aktivite Sayısı	Katkı Payı
Ödev	4	% 5
Projeler	1	% 30
Ara Sınavlar	1	% 25
Yarıyıl/Yıl Sonu Sınavı	1	% 40
Toplam		% 100
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI		% 60
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI		% 40
Toplam		% 100

İş Yükü ve AKTS Kredisi Hesaplaması

Aktiviteler	Aktivite Sayısı	Süre (Saat)	İş Yükü
Ders Saati	13	3	39
Sınıf Dışı Ders Çalışması	13	2	26
Sunum / Seminer	1	18	18
Proje	1	40	40
Ödevler	4	9	36
Küçük Sınavlar	4	9	36
Ara Sınavlar	1	30	30
Final	1	30	30
Toplam İş Yükü			255