Anasayfa
English
İletişim
Hızlı Erişim
Akademik Takvim
Anketler
Bilgi Edinme
Bilgi Paketi
Diş Hekimliği Fakültesi Randevu
Etkinlik Talep Formu
NOHU Login
NUBulut
Öğrenci e-posta
Personel e-posta
Telefon Rehberi
Uzaktan Eğitim Sistemi
Yemek Menü
Yemekhane Sanal Pos
NİĞDE ÖMER HALİSDEMİR ÜNİVERSİTESİ
Bilgi Paketi
Kurum Hakkında Bilgi
Üniversite Senatosu ve Yönetim Kurulu
Organizasyon Şeması
Akademik Takvim
Genel Bilgi
Genel Giriş Koşulları
Genel Kayıt Prosedürleri
Kurallar ve Yönetmelikler
Önceki Dönemlerin Tanınması
Diploma Eki
Akademik Danışmanlık Düzenlemeleri
AKTS Kredi Dağılımı
İsim ve Adres Bilgileri
Derece Programları
Ön Lisans
Lisans
Yüksek Lisans
Doktora
Course Catalogue For Exchange Students
Öğrenciler için Genel Bilgiler
Yaşam Giderleri
Barınma Olanakları
Beslenme Olanakları
Sağlık Hizmetleri
Sigorta
Öğrenme Olanakları
Kültürel ve sosyal Faaliyetler
Sportif ve Boş Zaman Faaliyetleri
Öğrenci Kulüpleri
Uluslararası Programlar
Dil Politikası ve Kurslar
Staj
Burs Olanakları
Engelli Öğrenci Olanakları
Öğrenci İşleri
Değişim Öğrencileri için Pratik Bilgiler
Niğde'de Yaşam
TARIM BİLİMLERİ VE TEKNOLOJİLERİ FAKÜLTESİ / BİYOSİSTEM MÜHENDİSLİĞİ / BSM4040 - DEEP LEARNING
DERS HAKKINDA GENEL BİLGİLER
Dersin Kodu
Dersin Yarıyılı/Yılı
Dersin Türü
Dersin Seviyesi
Dersin Öğretim Dili
Dersin Adı
Teori
Uygulama
AKTS
Dersin İngilizce Adı
Dersin Öğretim Elemanı
E Mail
Dersin Yardımcı Öğretim Elemanı
E Mail
Dersin Amacı
Bu ders, derin öğrenme yöntemlerinin temel prensiplerini, mimarilerini ve uygulamalarını öğretmeyi amaçlamaktadır. Öğrenciler, yapay sinir ağları, evrişimli sinir ağları (CNN), tekrarlayan sinir ağları (RNN) ve ileri düzey derin öğrenme tekniklerini öğrenerek gerçek dünya problemlerine çözüm geliştirebilecektir. Ayrıca, popüler derin öğrenme kütüphanelerini kullanarak pratik uygulamalar geliştirme becerisi kazanacaklardır.
Dersin Kısa İçeriği
Bu ders, derin öğrenmenin temel prensiplerini ve mimarilerini kapsamaktadır. Yapay sinir ağları, evrişimli sinir ağları (CNN), tekrarlayan sinir ağları (RNN) ve dönüşüm tabanlı modeller (Transformers) gibi temel konular ele alınacaktır. Ayrıca, optimizasyon teknikleri, düzenlileştirme yöntemleri ve model değerlendirme süreçleri üzerinde durulacaktır. Öğrenciler, TensorFlow ve PyTorch gibi popüler kütüphaneleri kullanarak pratik uygulamalar geliştirecek ve tarım alanında projeler gerçekleştirecektir.
Önkoşullar
DERSİN HEDEFLERİ
DERSİN HEDEFLERİ
1
Derin öğrenmenin temel kavramlarını, mimarilerini ve çalışma prensiplerini kavramak.
2
Yapay sinir ağları, evrişimli sinir ağları (CNN) ve tekrarlayan sinir ağları (RNN) gibi temel derin öğrenme modellerini anlamak ve uygulayabilmek.
3
TensorFlow ve PyTorch gibi popüler derin öğrenme kütüphanelerini kullanarak modeller geliştirmek.
4
Derin öğrenme modellerinin eğitimini, optimizasyonunu ve değerlendirmesini yaparak performanslarını iyileştirme yetkinliği kazanmak.
Loading…
DERSİN KATEGORİSİ
DERSİN KATEGORİSİ
DERSİN YÜZDESİ
Uzmanlık/Alan Bilgisi Dersi