1. DOKTORA
  2. FEN BİLİMLERİ ENSTİTÜSÜ
  3. BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI
  4. 1281 BİLGİSAYAR MÜHENDİSLİĞİ
Ders Bilgileri Ders Öğrenme Kazanımları Dersin Program Yeterlilikerine Katkısı AKTS / İş Yükü Tablosu Ders Şubeleri
Yazdır

DERS BİLGİLERİ
Ders KodDers AdT+U SaatYarıyılAKTS
CENG 588DERİN ÖĞRENME VE UYGULAMALARI3 + 02. Yarıyıl7,5

DERS TANIMI
Ders Düzeyi Doktora
Ders Türü Seçmeli
Dersin Amacı Derin öğrenme algoritmaları teorik olarak anlatılacak ve pratik uygulamaları projelerle gerçekleştirilecektir.
Ders İçeriği Derin veya dağıtılmış modellerin düzenlenmesi, derin modeller için optimizasyon, konvolüsyon ağları, dizi modellemesi: tekrarlı ve özyinelemeli ağlar, derin öğrenme için yapılandırılmış orantısal modeller, doğrusal faktör modelleri ve oto-kodlayıcılar
Ders Ön Koşul Dersin ön koşulu yok.
Ders Yan Koşul Dersin yan koşulu yok.

DERS ÖĞRENME KAZANIMLARI
1Derin veya dağıtılmış modellerin düzenlenmesini ifade eder.
2Derin öğrenme yöntemlerini bir proje ile uygular.
3Derin modeller için optimizasyon yapar.
4Tekrarlı ve özyinelemeli ağları tanımlar.
5Derin öğrenme yöntemlerini gerçek uygulama alanlarında uygular.

DERS ÖĞRENME KAZANIMININ PROGRAM YETERLİLİKLERİNE KATKISI
NoPY 01PY 02PY 03PY 04PY 05PY 06PY 07PY 08PY 09PY 10PY 11PY 12
ÖK 001            
ÖK 002            
ÖK 003            
ÖK 004            
ÖK 005            
Ara Toplam            
Katkı000000000000

AKTS / İŞ YÜKÜ TABLOSU
EtkinlikSayısıSüresi (Saat)Toplam İş Yükü (Saat)
Ders Süresi(14 hafta/teorik+uygulama)14342
Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme)14342
Arasınavlar(hazırlık süresi dahil)12121
Yarıyıl Sonu Sınavı(hazırlık süresi dahil)14040
Rapor / Proje (hazırlık süresi dahil)15050
Toplam İş Yükü

Dersin AKTS Kredisi





195

7,5
DERS ŞUBELERİ
 Dönem seçiniz :   


 Ders DönemiŞube NoDersi Veren Öğretim Elemanı
Detay 2025-2026 Bahar1SERDAR İPLİKÇİ


Yazdır

Ders Şube Detayları
Dersin Kodu Dersin Ad Saat (T+P) Şube No Öğretim Dili Şube Dönemi Öğretim Sistemi
CENG 588 DERİN ÖĞRENME VE UYGULAMALARI 3 + 0 1 Türkçe 2025-2026 Bahar Yüz Yüze
Öğretim Elemanı  E-Posta  İç Hat  Ders Yeri Devam Zorunluluğu
Prof. Dr. SERDAR İPLİKÇİ iplikci@pau.edu.tr MUH A0233 MUH A0257 MUH A0313 Dersin Devam Yüzdesi : %
Amaç Derin öğrenme algoritmaları teorik olarak anlatılacak ve pratik uygulamaları projelerle gerçekleştirilecektir.
İçerik Derin veya dağıtılmış modellerin düzenlenmesi, derin modeller için optimizasyon, konvolüsyon ağları, dizi modellemesi: tekrarlı ve özyinelemeli ağlar, derin öğrenme için yapılandırılmış orantısal modeller, doğrusal faktör modelleri ve oto-kodlayıcılar
Haftalık Konu Başlıkları
HaftaKonular
1 Introduction/PyTorch Temelleri
2 PyTorch Temelleri
3 Lineer Regresyon
4 Lineer Regresyon
5 Lineer Sınıflandırma
6 Multi Layer Perceptron
7 Builders’ Guide for PyTorch
8 Convolutional Neural Networks
9 Modern Convolutional Neural Networks
10 Recurrent Neural Networks
11 Modern Recurrent Neural Networks
12 Attention Mechanisms and Transformers
13 Attention Mechanisms and Transformers
14 Attention Mechanisms and Transformers
Materyaller
Materyal belirtilmemiştir.
Kaynaklar
Ders Değerlendirme Sistemi
Değerlendirme YöntemiKatkı Yüzdesi (%)Değerlendirme Yöntemi Ad
Dönem Sonu Sınavı50Dönem Sonu Sınavı
Ara Sınav50Ara Sınav
T+U : Teorik + Pratik
PY: Program Yeterlilikleri
ÖK: Ders Öğrenme Kazanımları