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

Ders Genel Tanıtım Bilgileri

Ders Kodu:

1413002046

Ders İsmi:

Bilgisayarlı Görme için Derin Öğrenme

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:

Bilgisayarla Görüntüleme ve Derin Öğrenmeyi Anlamak: Görüntü ile ilgili derin öğrenme temellerini ve CNN'leri öğrenmek.
CNN Uygulamaları Yapmak: Görüntü sınıflandırma ve tanıma için CNN'leri uygulamak.
İleri Seviye Modelleri Kullanmak: Nesne tanıma, segmentasyon ve görüntü üretimi gibi ileri seviye görevlerde derin öğrenme modelleri uygulamak.
Modelleri Değerlendirmek: Derin öğrenme modellerinin performansını değerlendirmek.
Gerçek Dünya Uygulamaları Çözmek: Görüntü işleme ve bilgisayarla görüntüleme için pratik çözümler geliştirmek.

Dersin İçeriği:

Bu ders, derin öğrenme tekniklerini ve bunların bilgisayarla görüntüleme alanındaki uygulamalarını tanıtır. Öğrenciler, Görüntü İşleme, Nesne Tanıma, Görüntü Segmentasyonu ve Resim Üretimi gibi görevler için derin sinir ağlarını (CNN) nasıl kullanacaklarını öğreneceklerdir.

Öğrenme Kazanımları

Bu dersi başarıyla tamamlayabilen öğrenciler;

Öğrenme Kazanımları

1 - Bilgi
Kuramsal - Olgusal
1) Bilgisayarla Görüntüleme ve Derin Öğrenmeyi Anlamak: Görüntü ile ilgili derin öğrenme temellerini ve CNN'leri öğrenmek.
2 - Beceriler
Bilişsel - Uygulamalı
1) CNN Uygulamaları Yapmak: Görüntü sınıflandırma ve tanıma için CNN'leri uygulamak.
2) İleri Seviye Modelleri Kullanmak: Nesne tanıma, segmentasyon ve görüntü üretimi gibi ileri seviye görevlerde derin öğrenme modelleri uygulamak.
3) Gerçek Dünya Uygulamaları Çözmek: Görüntü işleme ve bilgisayarla görüntüleme için pratik çözümler geliştirmek.
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)	Derin öğrenme, bilgisayarla görüntüleme uygulamaları ve görüntü işleme.	yok
1)	Sinir ağlarına giriş ve görüntü işleme için CNN'lerin temelleri.	yok
2)	CNN mimarisi, katmanlar ve çalışma prensiplerine derinlemesine bakış.	yok
3)	İleri düzey CNN'ler (ResNet, VGG, Inception) ve uygulamaları.	yok
4)	Görüntü sınıflandırma görevleri için CNN uygulamaları (CIFAR-10, MNIST).	yok
5)	Nesne tanıma modellerine (YOLO, SSD) giriş.	yok
6)	Semantik segmentasyon teknikleri (U-Net, Mask R-CNN).	yok
7)	Önceden eğitilmiş modellerle bilgisayarla görüntüleme görevlerinde başarıyı artırma.	yok
8)	ara sinav	yok
9)	Generative Adversarial Networks ile sentetik görüntüler oluşturma.	yok
10)	Video analizi ve sıralı işleme için RNN’lerin CNN’lerle kombinasyonu.	yok
11)	Yüz tanıma, izleme gibi gerçek zamanlı görevlerin uygulanması.	yok
12)	Görüntü sınıflandırma, nesne tanıma ve segmentasyon modelleri için değerlendirme metrikleri.	yok
13)	Sağlık, otonom sürüş gibi alanlarda bilgisayarla görüntülemenin kullanımı.	yok
14)	Öğrenciler, bilgisayarla görüntüleme derin öğrenme projelerini sunar.	yok

Kaynaklar

Ders Notları / Kitaplar:	“Deep Learning for Computer Vision” by Rajalingappaa Shanmugamani
Diğer Kaynaklar:	“Deep Learning for Computer Vision” by Rajalingappaa Shanmugamani

Ders - Program Öğrenme Kazanım İlişkisi

Ders Öğrenme Kazanımları	1	2	3	4
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
Problem Çözme
Proje Hazırlama

Ölçme ve Değerlendirme Yöntemleri ve Kriterleri

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

Ölçme ve Değerlendirme

Yarıyıl İçi Çalışmaları	Aktivite Sayısı	Katkı Payı
Ödev	1	% 10
Projeler	2	% 20
Ara Sınavlar	1	% 30
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	4	52
Proje	1	35	35
Ödevler	2	10	20
Ara Sınavlar	1	40	40
Final	1	40	40
Toplam İş Yükü			226