Akademik Dersler - Tanıtım

Son Güncelleme Tarihi: 23/06/2026

Ders Kodu - Ders Adı	Ders Türü	Teori + Uygulama	AKTS
BVA223 - Derin Öğrenmenin Temelleri	III.Yarıyıl	2 +1	3.0

Ders Dili	Türkçe
Ders Türü	Mesleki Seçmeli Dersler
Öğretim Elemanları	ÖĞR. GÖR. AHMET MÜCAHİD ARVASİ
Dersin Veriliş Biçimi	Yüz yüze
Dersin Verildiği Yer
Kullanılan Eğitim Platformları
Önkoşullar	Bu dersin önkoşul ya da eş koşulu bulunmamaktadır.
Önerilen Dersler
Önerilen Kaynaklar
Staj & Uygulama
Dersin Amacı

Haftalar	Öğrenme Çıktıları	Konular	Öğretim Yöntemleri
1. hafta		Derin Öğrenmeye Giriş: Temel Kavramlar ve Yapay Sinir Ağlarının Tarihsel Gelişimi
2. hafta		İleri Beslemeli Sinir Ağları (FNN): Algılayıcı (Perceptron) Mimarisi ve Çalışma Prensibi
3. hafta		Çok Katmanlı Yapılar (MLP) ve Aktivasyon Fonksiyonları (Sigmoid, ReLU, Tanh)
4. hafta		Model Eğitimi 1: Kayıp (Loss) Fonksiyonları ve Gradyan İnişi (Gradient Descent) Yöntemleri
5. hafta		Model Eğitimi 2: Geri Yayılım (Backpropagation) Algoritması ve Matematiksel Temelleri
6. hafta		Optimizasyon Teknikleri (Adam, RMSprop) ve Öğrenme Oranı (Learning Rate) Yönetimi
7. hafta		Aşırı Öğrenme (Overfitting) ve Düzenlileştirme: Erken Durdurma (Early Stopping) ve Dropout Yöntemleri
8. hafta		Ara Sınav
9. hafta		Veri Artırma (Data Augmentation) ve Model Doğrulama (Cross-Validation) Teknikleri
10. hafta		Evrişimli Sinir Ağlarına (CNN) Giriş: Görüntü İşleme Temelleri ve Filtreler
11. hafta		CNN Mimarileri: Ortaklama (Pooling) Katmanları ve Özellik Çıkarımı (Feature Extraction)
12. hafta		Tekrarlayan Sinir Ağları (RNN): Zaman Serisi Analizi ve Sıralı Veri (Sequential Data) İşleme
13. hafta		Gelişmiş Tekrarlayan Yapılar: Uzun Kısa Süreli Bellek (LSTM) ve GRU Mimarileri
14. hafta		Büyük Veri ile Derin Öğrenme: Dağıtık Model Eğitimi, Donanım Hızlandırıcı (GPU/TPU) Kullanımı ve Proje Sunumları

İçerik girilmemiştir.

İçerik girilmemiştir.

İçerik girilmemiştir.

Değerlendirme Yöntemi ve Geçme Kriterleri
	Sayısı	Yüzde (%)
Toplam (%)