Yıl: 2024, Dönem: Güz
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
1. Ian Goodfellow, Yoshua Bengio, and Aaron Courville, Deep Learning, MIT Press, 2016 2. K. P. Murphy. Machine Learning: A Probabilistic Perspective, MIT Press, 2012. 3. Tom Mitchell, \Machine Learning", McGraw-Hill, (1997).
Dersin İçeriği
Derin öğrenmenin tarihçesi ve teorik avantajları, Derin öğrenme için kullanılabilecek temel yapay sinir ağı mimarileri ve öğrenme algoritmaları, Dağıtık Modellerin Düzenlenmesi, Derin Modellerin Eğitimi için Optimizasyon Teknikleri, Konvolüsyonel ağlar, Geri beslemeli ve özyineli ağlar, Otomatik Kodlayıcılar ve Lineer Faktör Modelleri, Temsil Yoluyla Öğrenme, Derin Üretken Modeller – Boltzman Makineleri.
Dersin Amacı
Derin yapay sinir ağları ile mühendislik problemlerinin çözümü için gereken temel makineli öğrenme kavramlarını tanımak; derin öğrenmeyi temel alan ağ yapılarında kullanılan modüler mimarileri ve prensiplerini açıklamak; derin ve sığ öğrenme amacıyla kullanılan öğrenme algoritmalarının temellerinin karşılaştırılması; bu yapılar aracılığıyla sınıflandırma problemlerinin çözümlerini gerçekleştirmek.
