BİL442

Mühendislik Fakültesi \ Bilgisayar Mühendisliği

3

6

Zorunlu

Türkçe

BİL470 veya YAP470

Bilgisayar Mühendisliği

Perceptron, Multi-Layer Perceptron, Backpropagation algoritması, Derin Sinir Ağları: Eğitim, çıkarım, transfer öğrenme, optimizasyonlar, Convolutional ağlar, Fully Convolutional ağlar, Recurrent ağlar, LSTM, Autoencoder, Variational Autoencoder, Generative Adversarial Nets, Transformers, Büyül Dil Modelleri, Stable Diffusion

“Hands-on Machine Learning with Scikit-Learn, Keras & TensorFlow (3rd Ed.)”, by Aurélien Géron

Bu ders, derin öğrenmeye kapsamlı bir giriş sunarak sinir ağlarının temel kavramlarını ve ileri düzey tekniklerini kapsar. Öğrenciler, algılayıcılar, çok katmanlı algılayıcılar ve geri yayılım algoritmasını öğrendikten sonra, derin sinir ağlarının (DNN) eğitimi, çıkarımı ve optimizasyonuna odaklanacaktır. Müfredatta görüntü işleme için evrişimli ve tamamen evrişimli ağlar, sıralı veriler için yinelemeli sinir ağları (RNN) ve LSTM’ler ile otomatik kodlayıcılar, varyasyonel otomatik kodlayıcılar ve üretici çekişmeli ağlar (GAN) gibi üretici modeller yer almaktadır. Ayrıca, öğrenciler dönüştürücüler, büyük dil modelleri (LLM) ve kararlı difüzyon ile normalleştirme akışları gibi en yeni teknikleri inceleyerek modern yapay zeka yöntemlerini gerçek dünya problemlerine uygulama becerisi kazanacaktır.

1. Multi layer perceptronlar, fully connected layerlar, derin sinir ağları ve sığ ağlardan farkları
2. Derin sinir ağları nasıl eğitilir, Backpropagation algoritması
3. Convolutional layerlar, nesne tespiti ve sınıflandırması, segmentation
4. Recursive neural networkler (RNN), Long Short Term Memory networkler, Gated Recurrent Unitler
5. Embedding spaces, RNN'ler ile Natural Language Processing, Transformer mimarisi ve uygulamaları, MAMBA mimarisi
6. Auto-encoderlar, variational auto-encoderlar, Generative Adversarial Network modelleri, Stable diffusion

1. Hafta: Multi-layer perceptron
2. Hafta: Backpropagation algoritması
3. Hafta: Derin sinir ağlarının eğitimi
4. Hafta: Optimizerlar, transfer learning
5. Hafta: CNN
6. Hafta: RNN, LSTM, GRU
7. Hafta: RNN, LSTM, GRU
8. Hafta: Embedding uzayları
9. Hafta: Transformer mimarisi
10. Hafta: Variational auto-encoderlar, GAN
11. Hafta: Stable diffusion
12. Hafta: MAMBA mimarisi

• Midterm 1 25%
• Midterm 2 25%
• Final 35%
• Quizler 15%