Derin Öğrenme Temelleri (BTBS325)
Bu ders, yapay sinir ağları ve derin öğrenmenin prensiplerini ve pratik uygulamalarını tanıtır. Öğrenciler, algılayıcılar (perceptrons), çok katmanlı algılayıcılar (MLP'ler) gibi temel yapıları ve sığ (shallow) ile derin (deep) ağlar arasındaki farkları, tasarım, işleyiş ve öğrenme yöntemlerine odaklanarak keşfedeceklerdir. Geri yayılım (backpropagation), düzenlileştirme (regularization) ve dropout gibi temel eğitim teknikleri ele alınacaktır. İleri düzey mimariler arasında bilgisayar görüsü için Evrişimsel Sinir Ağları (CNN'ler) ve sıralı veri işleme için GRU'lar ve LSTM'ler dahil olmak üzere Tekrarlayan Sinir Ağları (RNN'ler) bulunmaktadır. Pratik alıştırmalar, derin öğrenme modellerini oluşturma, eğitme ve uygulama konusunda uygulamalı deneyim sağlayacaktır. Teorik kavramlar, örnekler, kodlama görevleri ve problem çözme etkinlikleri ile pekiştirilecektir. Dersin sonunda öğrenciler, gerçek dünya problemlerine derin öğrenme çözümleri tasarlama, oluşturma ve uygulama becerilerine sahip olacaklardır.