Yapay zeka kavramlarını tanıtma; etmen tabanlı düşünme; bilgili ve bilgisiz arama; kısıt sağlanma problemleri; bilgi temsili; mantık; makina öğrenmesi tanımı ve yapay zeka ile bağlantıları; belirsizliği temsil etme; markov karar süreçleri; görüntü işleme, robotik, dil ve oyunlardan örnekler
Dersin açıldığı dönemde içeriği açıklanacaktır.
Bilgisayarla görme için kullanılan uçtan uca derin sinir ağı mimarilerinin kavranması, gerçeklenmesi, eğitilmesi ve hatalarından arındırılması. İmge sınıflandırma. Hata işlevleri ve eniyileme. Geri yayılım. Evrişimsel sinir ağları. İmge ve video analizi için yinelemeli sinir ağları. Nesne sezimi ve bölütleme. Üretici sinir ağı görme modelleri.
Bilgisayar ağları ve ağ protokollerinin temelleri; uygulama, aktarım, ağ ve bağlantı katmanları odaklı İnternet protokol yığını; istemci/sunucu ve görevdeş modeller; yönlendirme algoritmaları; güvenilir veri aktarımı; akış ve tıkanıklık denetimi; protokol tasarımı ve analizi; ağ başarım ölçütleri; yazılım tanımlı ağlar; ağ programlama ve dağıtık uygulamalar.
Temel koşut-zaman kavramları. Paralel mimariler, çok çekirdekli işlemciler, heterojen sistemler, ortak bellek ve dağıtık bellek mimarileri. Paralel programlama modelleri ve dilleri. Çok-örgülü, mesaj geçirme, veri güdümlü, veri paralel programlama. Paralel program tasarımı, ayrışma, tanesellik ölçüsü, yerellik, iletişim, yük dağılımı ve asekron programlama. Performans modelleme, paralelleştirmenin getirdiği ek yükler.
Veri gizliliği ve güvenliğine yönelik tehditler; veri toplama, analizi ve paylaşımında gizliliği koruyucu yöntemler; veri anonimleştirmesi; diferansiyel gizlilik; makine öğrenmesinde gizlilik ve güvenlik; düşmancıl makine öğrenmesi; gerçek dünyadan uygulamalar ve vaka çalışmaları.
Makine öğrenimi ve veri madenciliği alanlarına istatistik bakış açısından giriş. Makine öğrenimi deneyim ile otomatik olarak iyileşen bilgisayar yazılımlarının incelenmesidir. Biyolojiden finansa ve dilbilime kadar birçok değişik alanda yaratılan çok miktardaki veri makine öğrenimi araç ve yöntemlerinin iyi anlaşılmasını zorunlu kılmaktadır. İncelenen konular arasında regresyon, sınıflama, çekirdek yöntemleri, model seçimi ve değerlendirilmesi, arttırma, sinir ağları, destek vektör makineleri, en yakın komşu ve denetlenmeyen öğrenme
Kriptolojik sistemlere giriş. Simetrik şifreleme, açık anahtar mucizesi, tek-yönlü fonksiyonlar, kıyım fonksiyonları, rastgele sayılar, sayısal imzalar, sıfır-bilgi ile kanıtlama, çağdaş kriptosistemler, çok-ortaklı hesaplama. Kriptoloji uygulamaları, internette alışveriş, BitTorrent görevdeş dosya paylaşım sistemi, bazı eski şifreleme algoritmalarını kırılması.
Dersin açıldığı dönemde içeriği açıklanacaktır.
Öğrencilerin fen ve mühendislik bilgilerini bir bilgisayar mühendisliği projesinde uyguladıkları bir tasarım dersi. Gerçekçi koşullar ve kısıtlar altında bir grup projesinin geliştirilmesi, tasarımı, uygulaması ve yönetimi. İletişim, takım çalışması ve sunum becerilerine de ağırlık verilir.
Bilgisayarla görme için kullanılan uçtan uca derin sinir ağı mimarilerinin kavranması, gerçeklenmesi, eğitilmesi ve hatalarından arındırılması. İmge sınıflandırma. Hata işlevleri ve eniyileme. Geri yayılım. Evrişimsel sinir ağları. İmge ve video analizi için yinelemeli sinir ağları. Nesne sezimi ve bölütleme. Üretici sinir ağı görme modelleri.
Temel koşut-zaman kavramları, gerekirci olmamak, bölünmezlik, yarış durumları, eşzamanlama, birbirini dışlama. Paralel mimariler, çok çekirdekli işlemciler, dağıtık bellek mimariler. Paralel programlama modelleri ve dilleri, çok-örgülü, mesaj geçirme, veri güdümlü, veri paralel programlama. Paralel program tasarımı, ayrışma, tanesellik ölçüsü, yerellik, iletişim, yük dağılımı. Paralel programlama desenleri, yapısal, işlemsel, strateji, koşut-zamanlı yürütme desenleri. Başarım modelleme, paralelleştirmenin getirdiği ek yükler.
Veri gizliliği ve güvenliğine yönelik tehditler; veri toplama, analizi ve paylaşımında gizliliği koruyucu yöntemler; veri anonimleştirmesi; diferansiyel gizlilik; makine öğrenmesinde gizlilik ve güvenlik; düşmancıl makine öğrenmesi; gerçek dünyadan uygulamalar ve vaka çalışmaları.
Sınıflandırma ve regresyon için temel doğrusal modeller; stokastik gradyan takibi yaparak öğrenme; çok katmanlı yapay sinir ağları, katlamalı sinir ağları ve özyinelemeli sinir ağları; alandaki güncel gelişmeler; makine çevirisinden ve bilgisayar görmesinden pratik örnekler; derin öğrenme modellerini programlama, eğitme, değerlendirme ve kıyaslama konusunda pratik deneyim.
Kriptolojik sistemlere giriş. Simetrik şifreleme, açık anahtar mucizesi, tek-yönlü fonksiyonlar, kıyım fonksiyonları, rastgele sayılar, sayısal imzalar, sıfır-bilgi ile kanıtlama, çağdaş kriptosistemler, çok-ortaklı hesaplama. Kriptoloji uygulamaları, internette alışveriş, BitTorrent görevdeş dosya paylaşım sistemi, bazı eski şifreleme algoritmalarını kırılması.
Çeşitli yönetim konularında yoğunlaşmış seminer.
Osmanlı devleti, kurumları ve kültürünün, özellikle 19. yüzyılda devlet ve toplumsal gruplar arasındaki ilişkilere odaklanarak incelenmesi. Klasik Dönem?den Osmanlı İmparatorluğu?nun sonuna kadar toplumsal değişimin evrimi, yerel milliyetçiliklerin yükselişi, Osmanlı imparatorluk rejimi ile ulus-devletler arasındaki devamlılıklar ve kopuşlar.
Hesaplamalı Sosyal Bilimlerin yöntem ve fikirlerine uygulamalı, teknik olmayan bir giriş. Yeni çevrimiçi veri kaynaklarının ve bunları analiz etmek için kullanılan yöntemlerin eski sosyal bilim sorularına nasıl yeni bir ışık tutacağını tartışır ve yepyeni sorular sorar. Büyük verilerin ve algoritmik karar almanın daha yaygın hale geldiği bir dünyada yaşamanın bazı etik ve mahremiyet zorluklarını da inceler.
Bu ders, öğrenciyi Python 3 ve ileri veri analizi teknikleri ile tanıştırmak için tasarlanmıştır. Daha genel programlama için geçerli olan Python kullanarak temel programlama kavramları ele alınır. Bunlar sözdizimi, veri türleri, işlevler, döngüler, özyineleme, sınıflar ve kalıtım kavramlarını içerir. Ardından veritabanı yönetimi, oluşturma, manipülasyon ve görselleştirme incelenir. Python aracılığıyla adlandırılan Stan programlama dilinde pratik kullanıma vurgu yapan Bayes istatistiklerine kısa bir genel bakışın ardından en yaygın makine öğrenimi yöntemlerine giriş yapılır. Oldukça yoğun olan bu ders, bir veya birkaç hipotezi test eden orijinal bir analiz ortaya koyan final projesi gerektirmektedir. Öğrencilerden programlama deneyimi gerektirmez. Bununla birlikte, lineer modellerin iyi anlaşılması gereklidir.
Veri girişi, yönetimi, işleme ve görüntülüme amacıyla Coğrafi Bilgi Sistemleri (CBS) yazılımlarının kullanılması konusunda teknik eğitim. CBS’nin uygulandığı teorik ve pratik çerçeveler. CBS içerisindeki analiz araçlarının arkeoloji, tarih, sanat tarihi, sosyoloji ve göç araştırmaları gibi sosyal ve beşeri bilimlerde jeo-uzamsal önem taşıyan araştırma konularında kullanılması.