Akademik Dersler - İçerik

Haftalar	Konular
1. hafta	Dersin tanıtımı, yapay sinir ağlarının tarihçesi ve biyolojik sinir sistemleriyle ilişkisi.
2. hafta	Yapay nöron modeli, giriş–çıkış ilişkisi ve temel aktivasyon fonksiyonları (sigmoid, tanh, ReLU).
3. hafta	Tek katmanlı ve çok katmanlı algılayıcıların (MLP) yapısı, ileri beslemeli ağların tanıtımı.
4. hafta	İleri yayılım (forward propagation) ve geri yayılım (backpropagation) algoritmaları, hata fonksiyonları.
5. hafta	Gradyan inişi (gradient descent) ve optimizasyon teknikleri; öğrenme oranı ve epoch kavramları.
6. hafta	Aşırı öğrenme (overfitting) ve düzenlileştirme (regularization) teknikleri, dropout, L1/L2.
7. hafta	Denetimli öğrenme uygulamaları: sınıflandırma ve regresyon problemleri.
8. hafta	Denetimsiz öğrenme ve Kohonen ağları (self-organizing maps).
9. hafta	Özyinelemeli sinir ağlarına giriş (RNN), zaman serisi ve dizilerde kullanım.
10. hafta	Hopfield ağları ve enerji temelli modellerin temel mantığı.
11. hafta	Boltzmann makineleri ve kısıtlı Boltzmann makineleri (RBM) ile tanışma.
12. hafta	Evrişimli sinir ağlarının (CNN) temel prensipleri ve görüntü işleme uygulamaları.
13. hafta	Ağ mimarilerinin karşılaştırılması, avantaj ve dezavantajlar; gerçek veri uygulamaları.
14. hafta	Dönem projelerinin sunumu, genel değerlendirme ve ileri konulara kısa bakış.