Dersin Amacı: |
İleri Veri Analizi için Derin Öğrenme kursu, yüksek lisans düzeyindeki öğrencileri veri analizi alanındaki derin öğrenmenin teorik temelleri, en son teknikleri ve pratik uygulamaları hakkında derin bir anlayışla donatmak için tasarlanmıştır. Benzeri görülmemiş veri kullanılabilirliği çağında derin öğrenme, karmaşık kalıpları ayıklamak, akıllı karar vermeyi sağlamak ve çeşitli alanlarda inovasyonu ilerletmek için dönüştürücü bir araç olarak ortaya çıktı. Teori, uygulamalı kodlama ve gerçek dünya projelerinin dengeli bir karışımı sayesinde katılımcılar, karmaşık veri yapılarını çözmek, derin öğrenme modelleri geliştirmek ve uygulamak ve yapay zeka odaklı araştırma ve uygulamaların ön saflarına katkıda bulunmak için uzmanlık kazanacaklar. Bu ders, sinir ağı mimarileri, optimizasyon algoritmaları, evrişimli ve tekrarlayan ağlar, üretken modeller ve transfer öğrenme gibi temel konuları kapsar. TensorFlow ve PyTorch gibi popüler çerçeveleri kullanarak pratik uygulamaya odaklanırken derin öğrenmenin matematiksel temellerini araştırır. Katılımcılar, görüntü analizi, doğal dil işleme, öneri sistemleri ve daha fazlasındaki sorunları çözmek için derin öğrenme teknikleri uygulayarak gerçek dünyadaki veri kümeleri ve projeleriyle ilgilenecekler. |
Dersin İçeriği: |
Bu ders, mikrodenetleyiciler, gerçek zamanlı işletim sistemleri, çevre birimleriyle arayüz oluşturma, düşük seviyeli programlama ve sistem optimizasyonu gibi temel konuları kapsar. Katılımcılar, endüstri standardı araçları ve platformları araştıracak ve pratik çözümler oluşturmak için bilgilerini uygulayacak. Öğrenciler vaka incelemelerini keşfederek ve uygulamalı projelere katılarak IoT, robotik, otomotiv ve tüketici elektroniği gibi alanları kapsayan gömülü sistemler oluşturma konusunda yeterlilik kazanacaklar. |
Hafta |
Konu |
Ön Hazırlık |
1) |
Gömülü Sistemlere Giriş
- Gömülü sistemlerin tanımı ve özellikleri
- Gömülü sistem uygulamaları ve örnekleri
- Donanım ve yazılım bileşenlerine genel bakış |
|
2) |
Mikrodenetleyiciler ve Mikroişlemciler
- Mikrodenetleyicileri ve mikroişlemcileri anlamak
-Mikrodenetleyicilerin mimarisi ve bileşenleri
- Gömülü sistemler için seçim kriterleri |
|
3) |
C Gömülü Programlama
- Gömülü sistemler için C programlamanın temelleri
- Bellek eşlemeli G/Ç ve kayıt erişimi
- Gömülü kod yazma ve hata ayıklama |
|
4) |
Gerçek Zamanlı İşletim Sistemleri (RTOS)
- RTOS'a giriş ve gömülü sistemlerdeki önemi
- Görev zamanlama ve çoklu görev kavramları
- Senkronizasyon ve iletişim mekanizmaları |
|
5) |
Çevresel Arayüz
- Dijital ve analog sensörlerle arayüz oluşturma
- Seri iletişim arayüzleri (SPI, I2C, UART)
- Ekranlar ve aktüatörlerle arayüz oluşturma |
|
6) |
Kesintiler ve Zamanlayıcılar
- Kesintileri ve önemini anlamak
- Zamanlayıcı modülleri ve uygulamaları
- Kesinti hizmeti rutinleri (ISR'ler) ve bağlam değiştirme |
|
7) |
Düşük Seviye Programlama Teknikleri
- Bit manipülasyonu ve bitsel işlemler
- Bellek yönetimi ve bellek eşlemeli G/Ç
- Performans değerlendirmeleri ve optimizasyon teknikleri |
|
8) |
Ara Sınav |
|
9) |
Güç Yönetimi ve Enerji Verimliliği
- Güç tüketimini optimize etme teknikleri
- Uyku modları ve uyandırma kaynakları
- Enerji profili oluşturma ve değiş tokuşlar |
|
10) |
Gömülü Sistem Hata Ayıklama ve Test Etme
- Hata ayıklama araçları ve teknikleri
- Gömülü sistemlerin profillenmesi ve izlenmesi
- Birim testi ve entegrasyon testi |
|
11) |
Nesnelerin İnterneti (IoT) Entegrasyonu
- IoT'ye giriş ve gömülü sistemlerle ilişkisi
- IoT için iletişim protokolleri (MQTT, CoAP, HTTP)
- IoT'de bulut bağlantısı ve veri alışverişi |
|
12) |
Güvenlik ve Etik Hususlar
- Gömülü sistemlerde güvenlik sorunları
- Güvenli gömülü sistem tasarımı için en iyi uygulamalar
- Etik çıkarımlar ve düşünceler |
|
13) |
Proje Tabanlı Öğrenme
- Mikrodenetleyici programlama ve arayüz oluşturmayı içeren uygulamalı projeler
- Pratik gömülü sistem çözümlerinin tasarlanması ve uygulanması |
|
14) |
Final |
|
|
Dersin Program Kazanımlarına Etkisi |
Katkı Payı |
1) |
Yazılım mühendisliği, veri yönetimi ve bilgisayar güvenliği gibi temel bilgi teknolojilerindeki güncel teknik kavramları ve uygulamaları kullanma becerisi. |
|
2) |
Kullanıcı ihtiyaçlarının belirlenmesi, analiz edilmesi ve bilgisayar tabanlı sistemlerin seçiminde, değerlendirilmesinde ve yönetiminde kullanımının anlaşılması. |
|
3) |
Veri yapılarını kullanma ve algoritma geliştirme becerisi. |
|
4) |
Karmaşık büyük veri sistemlerini analiz etme ve yorumlama becerisi. |
|
5) |
Makine öğrenmesindeki kavram ve algoritmaların yorumlanması ve uygulanması becerisi. |
|
6) |
Veri analizi alanındaki derin öğrenmenin Matematik temellerinin anlaşılması ve teoriyi uygulama becerisi. |
|
7) |
Karmaşık veri yapılarını çözme, derin öğrenme modelleri geliştirme ve uygulama becerisi ve bu konularla ilgili yapay zeka odaklı araştırmaları yorumlama becerisi. |
|
8) |
Görüntü analizi, doğal dil işleme ve öneri sistemlerindeki sorunları çözmek için derin öğrenme tekniklerini uygulama ve gerçek dünya veri kümeleri ve projelerini yorumlama becerisi. |
|
9) |
Dijital sinyal işlemenin temel prensiplerini ve matematiksel altyapısını pratik uygulamalara aktarma becerisi. |
|
10) |
İnternet aracılığıyla kullanılan araç ve teknolojiler ile sunucu kodlama dilleri ve araçları için kullanılan farklı teknolojiler hakkında bilgi kazanılması. |
|
11) |
Tek hücreli organizmalarda genetik bilgi akışı ve çok hücreli organizmalarda genlerin nasıl işlediğinin anlaşılması ve biyoteknoloji alanındaki uygulamaları yorumlama ve uygulama becerisi. |
|
12) |
Etik değerlerin bilincinde olunması ve bu değerler çerçevesinde araştırma ve uygulama yapılması gerekliliğinin anlaşılması. |
|