Akademik Dersler - İçerik

0 : Desteklemiyor 1 : Alt seviyede destekliyor 2 : Orta seviyede destekliyor 3 : Üst seviyede destekliyor

Öğrenme Çıktıları	1	2	3	4	5	6	7	8
1. Yapay Sinir Ağlarına Giriş\n• Öğrenciler yapay sinir ağlarının temel yapı taşlarını (nöron, ağırlık, sapma) tanımlayabilecektir.\n• Perceptron ve ileri besleme yapısını kavrayabilecektir.\n• Basit bir yapay sinir ağı modeli kurup çalıştırabilecektir.\n2. Yapay Sinir Ağlarının Eğitimi ve Değerlendirilmesi\n• Aktivasyon fonksiyonlarının türlerini ve etkilerini açıklayabilecektir.\n• Eğitim ve test veri ayrımını anlayarak ağ başarımını değerlendirebilecektir.\n• Geri yayılım algoritması ile ağ eğitimi gerçekleştirebilecektir.\n3. Derin Öğrenme Temelleri\n• Derin sinir ağı mimarilerinin katman yapısını analiz edebilecektir.\n• Hiperparametreleri tanımlayarak öğrenme sürecine etkilerini tartışabilecektir.\n• Düzenleme teknikleri (dropout, L2 gibi) ile aşırı öğrenme (overfitting) problemlerine çözüm üretebilecektir.\n4. Derin Öğrenmede Optimizasyon ve Performans\n• Farklı optimizasyon algoritmalarının (SGD, Adam vb.) avantaj ve dezavantajlarını kıyaslayabilecektir.\n• Öğrenme oranı ve diğer hiperparametreleri etkili şekilde ayarlayabilecektir.\n• Model başarımını ölçmek için uygun değerlendirme metriklerini seçip kullanabilecektir.\n5. Evrişimli Sinir Ağları (CNN)\n• Evrişim işlemi, filtreler ve özellik haritalarının işleyişini açıklayabilecektir.\n• Popüler CNN mimarilerini (LeNet, AlexNet, VGG) örneklerle açıklayabilecektir.\n• Görüntü işleme görevlerinde CNN mimarisinin nasıl uygulandığını gösterebilecektir.\n6. Tekrarlayan Sinir Ağları (RNN) ve Zaman Serileri\n• Zaman serisi verisi ile çalışmak için RNN yapısını açıklayabilecektir.\n• LSTM ve GRU gibi gelişmiş RNN mimarilerini ayırt edebilecektir.\n• BPTT yöntemi ile zaman bağımlı modellerin eğitimi hakkında bilgi sahibi olabilecektir.\n7. Pekiştirmeli Öğrenme Temelleri\n• Ajan-çevre etkileşim döngüsünü ve Markov Karar Süreçlerini (MDP) açıklayabilecektir.\n• Keşif ve sömürü dengesini örneklerle değerlendirebilecektir.\n• Politika, ödül ve değer fonksiyonu gibi temel kavramları uygulamalı örneklerle ilişkilendirebilecektir.\n	-	-	-	-	-	-	-	-