| 1 |
İleri makine öğrenmesine giriş, dersin kapsamı ve araştırma beklentileri |
|
|
|
| 2 |
Makine öğrenmesinde genelleme, kapasite, bias–variance ayrışımı ve öğrenme kuramı |
|
|
|
| 3 |
Optimizasyon yöntemleri: gradyan tabanlı yaklaşımlar, ikinci mertebe yöntemler ve yakınsama analizi |
|
|
|
| 4 |
Derin öğrenmenin kuramsal temelleri ve temsil öğrenmesi |
|
|
|
| 5 |
Derin sinir ağları mimarileri ve eğitim dinamikleri |
|
|
|
| 6 |
Olasılıksal ve Bayesyen öğrenme yaklaşımları |
|
|
|
| 7 |
Yaklaşık çıkarım yöntemleri ve olasılıksal derin modeller |
|
|
|
| 8 |
Ara sınav / araştırma önerisi sunumları |
|
|
|
| 9 |
Denetimsiz ve yarı-denetimli öğrenme yöntemleri |
|
|
|
| 10 |
Generatif modeller (VAE, GAN ve türevleri) |
|
|
|
| 11 |
Meta-öğrenme, transfer öğrenme ve çok görevli öğrenme |
|
|
|
| 12 |
Pekiştirmeli öğrenmenin ileri konuları |
|
|
|
| 13 |
Güncel araştırma eğilimleri ve seçilmiş makalelerin tartışılması |
|
|
|
| 14 |
Öğrenci araştırma sunumları ve genel değerlendirme |
|
|
|
| 15 |
Final sınavı |
|
|
|
