ENDÜSTRİ 4.0 (İNGİLİZCE, TEZSİZ)
Yüksek Lisans TYYÇ: 7. Düzey QF-EHEA: 2. Düzey EQF-LLL: 7. Düzey

Ders Tanıtım Bilgileri

Ders Kodu Ders Adı Yarıyıl Teorik Pratik Kredi AKTS
VCD4151 Tasarımcı ve Sanatçılar için Mak. Öğr. Güz 2 2 3 5
Bu dersin açılması ilgili bölüm tarafından yarıyıl başında belirlenir

Temel Bilgiler

Öğretim Dili: En
Dersin Türü: Departmental Elective
Dersin Seviyesi: LİSANSÜSTÜ
Dersin Veriliş Şekli: Yüz yüze
Dersin Koordinatörü: Dr. Öğr. Üyesi İPEK TORUN
Dersin Amacı: Bu dersi tamamlayan öğrenciler, makine öğrenimi hakkında temelleri öğrendikten sonra bunu bir üretim aracı olarak kullanmayı ve günümüzde git gide önem kazanan iletişim ile alakalı alanlarla, tam olarak nerelerde ve nasıl kullanıldığını öğreneceklerdir.

Öğrenme Çıktıları

Bu dersi başarıyla tamamlayabilen öğrenciler;
Bu dersi başarıyla tamamlayabilen öğrenciler;
1) Günümüz gelişen dünyasında her gün daha da önem kazanan “makine öğrenimi” hakkında genel bir bilgi
2) İletişim dünyasında “makine öğrenimi”’nin önemi ve yeri hakkında bilgi
3) Algoritma ve algoritmik tasarım hakkında daha fazla bilgi
4) Basit düzeyde Python ve kodlama hakkında bilgi
5) Yapay sinir ağları hakkında bilgi
6) Makine öğrenimi ve yapay sinir ağları kullanılarak sanat ve tasarım yapılması hakkında bilgi
7) Facebook, google ve Amazon gibi büyük şirketlerin iletişim konusunda nerelerde ve nasıl kullandıkları hakkında bilgi
8) Wekinator gibi daha ileri düzey interaktif tasarım programları 
9) Uygulamalı olarak birebir makine zekası ve yapay zeka ile müzik yapma
10) Uygulamalı olarak birebir makine zekası ve yapay zeka ile tasarım yapma
11) Uygulamalı olarak birebir makine zekası ve yapay zeka ile çizim yapma
12) Uygulamalı olarak birebir makine zekası ve yapay zeka ile yazı yazma
13) t-SNE gibi ileri düzey sınıflandırma algoritmaları hakkında bilgi

Dersin İçeriği

Makine öğrenimi temelleri, yapay sinir ağları [ANN, RNN, CNN], GAN’ler, sınıflandırma algoritmaları, makine öğreniminin pratik alanlarda kullanımı, makine öğreniminin sanatsal alanlarda kullanımı, google Magenta, metin üretimi, NSynth, style transfer, t-SNE, basit düzeyde Python dili, Tensorflow, Wekinator, Deep Learning, Yapay Zeka’ya giriş, Facebook ve google gibi şirketlerin nerelerde ve nasıl kullandığı.

Haftalık Ayrıntılı Ders İçeriği

Hafta Konu Ön Hazırlık
1) Tanışma ve ders hakkında genel bilgilendirme
 Örnek işler gösterme
Yazılımlar hakkında bilgilendirme
2) Makine öğrenimine giriş
Günümüzde kullandığı alanlar ve iletişim kurma yöntemlerimiz üzerindeki etkileri Tartışma: Practical use & Creative use
3) Gündelik hayatta kullanım alanları; Facebook, google vb...) Apples & Oranges, Algoritma nedir? (Örnek Markov Chains) Hardcoding vs algoritma
4) 
Supervised / Unsupervised modeller
5) Wekinator
OSC (Open Sound Control)
6) Yapay sinir ağları
 MNIST
Gündelik hayatta kullanım alanları; Facebook, google vb...) Deep Learning
7) Tartışma: Thoughts so far First ideas on projects
 Soru & Cevap
8) Veri görselleştirme
t-SNE

9) Tartışma: Sanatsal çaba ve yazılım fikri Öğrencilerin ne üzerinde çalışmak istediklerine dair fikirlerinin tartışılması Yeni Medya çalışmaları ve ML sanat eserlerine ilişkin daha fazla örnek.
10) Proje Kritikleri
11) Proje Kritikleri
12) Proje Kritikleri
13) Proje Kritikleri
14) Proje Kritikleri

Kaynaklar

Ders Notları: Ders notları öğretim elemanı tarafından derslerde iletilir. Course notes distributed on class by the instructor.
Diğer Kaynaklar: 1. C.H. Edwards,Jr. David E. Penney, Calculus with Analytic Geometry, Prentice- Hall Englewood Cliffs, New Jersey. 2. Richard A.Silverman, Calculus with Analytic Geometry, Prentice- Hall Englewood Cliffs, New Jersey 

Değerlendirme Sistemi

Yarıyıl İçi Çalışmaları Aktivite Sayısı Katkı Payı
Devam % 0
Laboratuar % 0
Uygulama % 0
Arazi Çalışması % 0
Derse Özgü Staj % 0
Küçük Sınavlar % 0
Ödev % 0
Sunum % 0
Projeler 2 % 45
Seminer % 0
Ara Sınavlar % 0
Ara Juri % 0
Final 1 % 55
Rapor Teslimi % 0
Juri % 0
Bütünleme % 0
Toplam % 100
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI % 0
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI % 100
Toplam % 100

AKTS / İş Yükü Tablosu

Aktiviteler Aktivite Sayısı Süre (Saat) İş Yükü
Ders Saati 14 4 56
Laboratuvar 0 0 0
Uygulama 14 2 28
Derse Özgü Staj 0 0 0
Arazi Çalışması 0 0 0
Sınıf Dışı Ders Çalışması 14 1 14
Sunum / Seminer 0 0 0
Proje 2 10 20
Ödevler 0 0 0
Küçük Sınavlar 0 0 0
Ara Juri 0 0 0
Ara Sınavlar 0 0 0
Rapor Teslimi 0 0 0
Juri 0 0 0
Final 1 10 10
Toplam İş Yükü 128

Program ve Öğrenme Kazanımları İlişkisi

Etkisi Yok 1 En Düşük 2 Düşük 3 Orta 4 Yüksek 5 En Yüksek
           
Dersin Program Kazanımlarına Etkisi Katkı Payı