Hafta 1
$$\gdef \sam #1 {\mathrm{softargmax}(#1)}$$
$$\gdef \vect #1 {\boldsymbol{#1}} $$
$$\gdef \matr #1 {\boldsymbol{#1}} $$
$$\gdef \E {\mathbb{E}} $$
$$\gdef \V {\mathbb{V}} $$
$$\gdef \R {\mathbb{R}} $$
$$\gdef \N {\mathbb{N}} $$
$$\gdef \relu #1 {\texttt{ReLU}(#1)} $$
$$\gdef \D {\,\mathrm{d}} $$
$$\gdef \deriv #1 #2 {\frac{\D #1}{\D #2}}$$
$$\gdef \pd #1 #2 {\frac{\partial #1}{\partial #2}}$$
$$\gdef \set #1 {\left\lbrace #1 \right\rbrace} $$
% My colours
$$\gdef \aqua #1 {\textcolor{8dd3c7}{#1}} $$
$$\gdef \yellow #1 {\textcolor{ffffb3}{#1}} $$
$$\gdef \lavender #1 {\textcolor{bebada}{#1}} $$
$$\gdef \red #1 {\textcolor{fb8072}{#1}} $$
$$\gdef \blue #1 {\textcolor{80b1d3}{#1}} $$
$$\gdef \orange #1 {\textcolor{fdb462}{#1}} $$
$$\gdef \green #1 {\textcolor{b3de69}{#1}} $$
$$\gdef \pink #1 {\textcolor{fccde5}{#1}} $$
$$\gdef \vgrey #1 {\textcolor{d9d9d9}{#1}} $$
$$\gdef \violet #1 {\textcolor{bc80bd}{#1}} $$
$$\gdef \unka #1 {\textcolor{ccebc5}{#1}} $$
$$\gdef \unkb #1 {\textcolor{ffed6f}{#1}} $$
% Vectors
$$\gdef \vx {\pink{\vect{x }}} $$
$$\gdef \vy {\blue{\vect{y }}} $$
$$\gdef \vb {\vect{b}} $$
$$\gdef \vz {\orange{\vect{z }}} $$
$$\gdef \vtheta {\vect{\theta }} $$
$$\gdef \vh {\green{\vect{h }}} $$
$$\gdef \vq {\aqua{\vect{q }}} $$
$$\gdef \vk {\yellow{\vect{k }}} $$
$$\gdef \vv {\green{\vect{v }}} $$
$$\gdef \vytilde {\violet{\tilde{\vect{y}}}} $$
$$\gdef \vyhat {\red{\hat{\vect{y}}}} $$
$$\gdef \vycheck {\blue{\check{\vect{y}}}} $$
$$\gdef \vzcheck {\blue{\check{\vect{z}}}} $$
$$\gdef \vztilde {\green{\tilde{\vect{z}}}} $$
$$\gdef \vmu {\green{\vect{\mu}}} $$
$$\gdef \vu {\orange{\vect{u}}} $$
% Matrices
$$\gdef \mW {\matr{W}} $$
$$\gdef \mA {\matr{A}} $$
$$\gdef \mX {\pink{\matr{X}}} $$
$$\gdef \mY {\blue{\matr{Y}}} $$
$$\gdef \mQ {\aqua{\matr{Q }}} $$
$$\gdef \mK {\yellow{\matr{K }}} $$
$$\gdef \mV {\lavender{\matr{V }}} $$
$$\gdef \mH {\green{\matr{H }}} $$
% Coloured math
$$\gdef \cx {\pink{x}} $$
$$\gdef \ctheta {\orange{\theta}} $$
$$\gdef \cz {\orange{z}} $$
$$\gdef \Enc {\lavender{\text{Enc}}} $$
$$\gdef \Dec {\aqua{\text{Dec}}}$$
Ders bölümü A
Derin öğrenmenin (Deep Learning, DL) arkasındaki motivasyonu tartışacağız. Derin öğrenmenin tarihi ve ilhamı ile başlıyoruz. Sonra, örüntü tanımanın (Pattern Recognition) tarihini tartışacak ve gradyan inişini (Gradient Descent) ve geri yayılım (Backpropagation)ile hesaplanmasını tanıtacağız. Son olarak, görsel korteksin hiyerarşik temsilini tartışacağız.
Ders bölümü B
İlk önce Fukushima’dan LeCun’a ve AlexNet’e kadar Evrişimsel Sinir Ağlarının (CNN) evrimini tartışacağız. Daha sonra CNN’lerin görüntü segmentasyonu, otonom araçlar ve tıbbi görüntü analizi gibi bazı uygulamalarını tartışacağız. Derin ağların hiyerarşik doğasını ve bu ağları avantajlı kılan özelliklerini tartışıyoruz. Özniteliklerin / temsillerin (features) üretilmesi ve öğrenilmesi üzerine bir tartışma ile sonuçlandıracağız.
Uygulama
Uzayda görselleştirilmiş veri noktalarına dönüşümlerin uygulanmasına ilişkin motivasyonu tartışacağız. Lineer Cebir, doğrusal ve doğrusal olmayan dönüşümlerin uygulanması hakkında konuşacağız. Bu dönüşümlerin işlevini ve etkilerini anlamak için görselleştirmenin kullanımını tartışacağız. Bir Jupyter Notebook’ta yer alan örnekleri takip edecek ve sinir ağları tarafından temsil edilen işlevlerin bir tartışmasıyla sonuçlandıracağız.
Murat Ekici