DTM 516E - Deniz Teknolojisi İçin Derin Öğrenme

Dersin Amaçları

1. Modern derin sinir ağı mimarileri ve öğrenme algoritmalarına ilişkin sağlam bir kuramsal altyapı kazandırmak.
2. Sinir ağı eğitiminin, optimizasyonun ve geri yayılımın matematiksel temellerini açıklamak.
3. Derin öğrenme yöntemlerini gemi hareketi zaman serilerini kullanarak denizcilik durumsal farkındalığı problemlerine uygulamak.
4. Deniz durumu kestirimi ve gemi hareketi tahmini uygulamaları için makine öğrenmesi çözümleri geliştirmek.
5. Hesaplamalı deniz mühendisliği projeleri aracılığıyla derin öğrenme modellerini tasarlamak, gerçekleştirmek, doğrulamak ve değerlendirmek.

Dersin Tanımı

Derin öğrenmenin temelleri, Yapay sinir ağları, Çok katmanlı algılayıcılar (MLP), Evrişimsel sinir ağları (CNN), Tekrarlayan sinir ağları (RNN), Dikkat mekanizmalı Kodlayıcı–Çözücü (Encoder–Decoder) modelleri, Geri yayılım (Backpropagation), Sinir ağı eğitimi, Model doğrulama, Yanlılık–varyans dengesi, Veri ön işleme, Öznitelik mühendisliği, Zaman serisi öğrenmesi, Denizcilikte makine öğrenmesi uygulamaları, Denizcilikte Durumsal Farkındalık, Gemi hareketi tahmini, Deniz durumu kestirimi, Hesaplamalı projeler