| Kimya (İngilizce) | |||||
| Lisans | TYYÇ: 6. Düzey | QF-EHEA: 1. Düzey | EQF-LLL: 6. Düzey | ||
| Ders Kodu: | SWE308 | ||||
| Ders İsmi: | Derin Öğrenme | ||||
| Ders Yarıyılı: | Bahar | ||||
| Ders Kredileri: |
|
||||
| Öğretim Dili: | English | ||||
| Ders Koşulu: | |||||
| Ders İş Deneyimini Gerektiriyor mu?: | Evet | ||||
| Dersin Türü: | Bölüm/Program Seçmeli | ||||
| Dersin Seviyesi: |
|
||||
| Dersin Veriliş Şekli: | E-Öğrenme | ||||
| Dersin Koordinatörü: | Dr. Öğr. Üy. MUHAMMED DAVUD | ||||
| Dersi Veren(ler): | Dr. Öğretim Üyesi Alper Öner | ||||
| Dersin Yardımcıları: |
| Dersin Amacı: | • Derin öğrenmenin temel konseptleri, • Yapay zekanın iyi tanımlanmış problemleri, • Derin öğrenme problemlerini çözecek yazılım araçları, • Olasılık teorisini kullanarak öğrenip anlamlandırabilen akıllı sistemler tasarlama, • Temel Görüntü İşleme ve Dil Problemleri, • Bir Derin Öğrenme Projesini takım halinde gerçekleştirme |
| Dersin İçeriği: | Docker, Tensorflow, Yapay Sinir Ağları, Konvolüsyonel Yapay Sinir Ağları, Doğal Dil İşlemeye Giriş, RNN, LSTM, GRU, Tranformers-BERT & NER Derin Pekiştirmeli Öğrenme, Auto-Encoder, GANs, Görüntü İşleme ve Doğal Dil İşleme Uygulamaları |
|
Bu dersi başarıyla tamamlayabilen öğrenciler;
1) Temel bir iyi tanımlanmış derin öğrenme problemini tasarlayabilecek. 2) Derin öğrenme için akıllı bir sistem tasarlayabilecek. 3) Yapay Zeka yöntem ve algoritmalarını kullanarak iyi tanımlanmış bir problemi çözebilecek. 4) Değişik tipte problemlerin çözüm için olasılıksal yaklaşımlar kullanabilecek. 5) Derin öğrenme problemleri için Görüntü işleme ya da Doğal Dil İşleme yöntemleri geliştirebilecek. 6) Makine öğrenmesinin temel methodlarını açıklayabilecek. 7) Python yazılım dili kullanarak Derin Öğrenme sistemleri geliştirebilecek. 8) Bir derin öğrenme projesinde takım halinde çalışabilecek. |
| Hafta | Konu | Ön Hazırlık |
| 1) | Docker - GIT | |
| 2) | Yapay Sinir Ağları -Tensorflow | |
| 3) | Konvolüsyonel Yapay Sinir Ağları | |
| 4) | Hyper-Parametre Ayarlaması - Regulasyon | |
| 5) | Görüntü İşleme için Derin Öğrenme | |
| 6) | Doğal Dil İşlemeye Giriş | |
| 7) | Doğal Dil İşleme için Derin Öğrenme | |
| 8) | LSTM - GRU Layers | |
| 9) | Tranformers-BERT & NER | |
| 10) | Simgeleme Öğrenmesi | |
| 11) | Auto-encoders - Monte Carlo Methodları | |
| 12) | Derin Pekiştirmeli Öğrenme | |
| 13) | Generative Adversarial Networks (GANs) | |
| 14) | Derin Öğrenme Uygulamaları |
| Ders Notları / Kitaplar: | Deep Learning, Ian Goodfellow and Yoshua Bengio and Aaron Courville, MIT Press, 2016. |
| Diğer Kaynaklar: | Deep Learning with Python, François Chollet, Manning, 2018. |
| Ders Öğrenme Kazanımları | 1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
|||
|---|---|---|---|---|---|---|---|---|---|---|---|
| Program Kazanımları | |||||||||||
| 1) Kimyanın teori ve uygulamalarıyla ilgili temel kavramları bilir, kuramsal ve uygulamalı bilgileri kullanır, yöntemleri seçebilir, geliştirebilir ve tasarlayabilir. | |||||||||||
| 2) Analiz, sentez, ayırma ve saflaştırma yöntemlerine yönelik deneysel planlama ve uygulama yapabilir, karşılaşılan problemlere çözüm getirir ve sonuçlarını yorumlayabilir. | |||||||||||
| 3) Maddelerin nitel ve nicel analizlerinde kullanılan örnek hazırlama tekniklerinin ve aletsel analiz yöntemlerinin temel ilkelerini ifade eder, uygulama alanlarını tartışır. | |||||||||||
| 4) Kimyasal maddelerin kaynakları, üretimleri, endüstriyel uygulamaları ve teknolojileri hakkında bilgi sahibidir. | |||||||||||
| 5) Kimyasal maddelerin yapı analizlerini yapar ve sonuçlarını yorumlar. | |||||||||||
| 6) Gerek bireysel olarak gerekse de çok disiplinli gruplarda çalışabilir, sorumluluk alabilir, görevlerini planlayabilir ve zamanı etkin kullanır. | |||||||||||
| 7) İngilizceyi profesyonel düzeyde kullanarak alanındaki bilgileri izler ve meslektaşları ile iletişim kurar. | |||||||||||
| 8) Alanının gerektirdiği düzeyde bilgisayar yazılımı ile birlikte bilişim ve iletişim teknolojilerini kullanır. | |||||||||||
| 9) Ulusal ve uluslararası kimya literatürünü takip eder, kazandığı bilgileri sözlü ya da yazılı olarak aktarır. | |||||||||||
| 10) Öz öğrenme gereksinimlerini belirler, öğrenimini yönetir/yönlendirir. | |||||||||||
| 11) Sorumluluk alabilir ve bu sorumlulukların gerektirdiği etik değerlere bağlı kalır. | |||||||||||
| Etkisi Yok | 1 En Düşük | 2 Orta | 3 En Yüksek |
| Dersin Program Kazanımlarına Etkisi | Katkı Payı | |
| 1) | Kimyanın teori ve uygulamalarıyla ilgili temel kavramları bilir, kuramsal ve uygulamalı bilgileri kullanır, yöntemleri seçebilir, geliştirebilir ve tasarlayabilir. | |
| 2) | Analiz, sentez, ayırma ve saflaştırma yöntemlerine yönelik deneysel planlama ve uygulama yapabilir, karşılaşılan problemlere çözüm getirir ve sonuçlarını yorumlayabilir. | |
| 3) | Maddelerin nitel ve nicel analizlerinde kullanılan örnek hazırlama tekniklerinin ve aletsel analiz yöntemlerinin temel ilkelerini ifade eder, uygulama alanlarını tartışır. | |
| 4) | Kimyasal maddelerin kaynakları, üretimleri, endüstriyel uygulamaları ve teknolojileri hakkında bilgi sahibidir. | |
| 5) | Kimyasal maddelerin yapı analizlerini yapar ve sonuçlarını yorumlar. | |
| 6) | Gerek bireysel olarak gerekse de çok disiplinli gruplarda çalışabilir, sorumluluk alabilir, görevlerini planlayabilir ve zamanı etkin kullanır. | |
| 7) | İngilizceyi profesyonel düzeyde kullanarak alanındaki bilgileri izler ve meslektaşları ile iletişim kurar. | |
| 8) | Alanının gerektirdiği düzeyde bilgisayar yazılımı ile birlikte bilişim ve iletişim teknolojilerini kullanır. | |
| 9) | Ulusal ve uluslararası kimya literatürünü takip eder, kazandığı bilgileri sözlü ya da yazılı olarak aktarır. | |
| 10) | Öz öğrenme gereksinimlerini belirler, öğrenimini yönetir/yönlendirir. | |
| 11) | Sorumluluk alabilir ve bu sorumlulukların gerektirdiği etik değerlere bağlı kalır. |
| Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
| Devam | 1 | % 10 |
| Ödev | 2 | % 20 |
| Projeler | 2 | % 30 |
| Final | 1 | % 40 |
| Toplam | % 100 | |
| YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 60 | |
| YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 40 | |
| Toplam | % 100 | |
| Aktiviteler | Aktivite Sayısı | Aktiviteye Hazırlık | Aktivitede Harçanan Süre | Aktivite Gereksinimi İçin Süre | İş Yükü | ||
| Ders Saati | 3 | 6 | 14 | 60 | |||
| Laboratuvar | 1 | 3 | 14 | 17 | |||
| Sınıf Dışı Ders Çalışması | 2 | 8 | 8 | 32 | |||
| Sunum / Seminer | 2 | 4 | 4 | 16 | |||
| Proje | 2 | 4 | 4 | 16 | |||
| Ödevler | 2 | 4 | 4 | 16 | |||
| Final | 1 | 4 | 4 | 8 | |||
| Toplam İş Yükü | 165 | ||||||