06/02/2023 - 10/02/2023
Tarih: 6-10 Şubat 2023 (Köy’e geliş 5 Şubat, Köy’den ayrılış 10 Şubat)
Programın amacı: Modern yapay öğrenme araştırmalarını ve alandaki gelişmeleri, matematiksel temelleri ile ilişkilendirerek tanıtmak.
Hedef kitle: Konu ile ilgili üniversite lisans, yüksek lisans ve doktora öğrencileri, akademisyenler, endüstri ve diğer araştırma kuruluşlarında ilgili alanlarda çalışan kişiler.
Başvuru: Başvuru formu için tıklayın.
Ücret:
Koğuş konaklaması: 3080 TL
Tek kişilik özel oda konaklaması: 5775 TL
Çift kişilik özel oda konaklaması: Kişi başı 4812 TL
1+1 özel oda konaklaması: Kişi başı 4812 TL
Programın ücretine, dört öğün yemek, konaklama, dersler ve her türlü temel ihtiyaçlar dahildir.
Kontenjan: 60 kişi. Programın kontenjanı doldu. Yedek listesi için başvuru yapabilirsiniz.
Eğitmenler:
Figen Öztoprak (Artelys, Fransa)
Hakan Akyüz (Erasmus Üniversitesi Rotterdam, Hollanda)
İlker Birbil (Amsterdam Üniversitesi, Hollanda)
Kamer Kaya (Sabancı Üniversitesi, Türkiye)
Özgür Martin (Mimar Sinan Güzel Sanatlar Üniversitesi, Türkiye)
Sinan Yıldırım (Sabancı Üniversitesi, Türkiye)
Taylan Cemgil (DeepMind, İngiltere)
Tolga Birdal (Imperial College London, İngiltere)
Utku Karaca (Erasmus Üniversitesi Rotterdam, Hollanda)
Sergül Aydöre (Amazon Web Services)
Program:
Dersler sabah 9:00-12:00 arası ve 14:00-17:00 arası gerçekleşecektir.
45 dk. + 15 dk. şeklinde yapılacaktır. Her saat başında yeni bir ders başlayacaktır.
1. Gün Yapay Öğrenmenin Temelleri
1.1. Giriş: Güncel uygulama örnekleri, yapay öğrenmede temel yöntemler, matematiksel temeller (vektör analizi, lineer cebir, olasılık teorisi, optimizasyon)
1.2. Derin Öğrenme: Ağ mimarileri, geri-yayılım (backpropagation), stokastik bayır inişi (stochastic gradient descent) modelleri ve yakınsaklık analizleri
2. Gün Üretici Modeller
2.1. Temel Konular: Koşullu ve marjinal olasılık, gizli değişken modelleri, Gauss dağılımı, marjinal olabilirlik, veriye dağılım oturtma
2.2. İleri Konular: Gauss karışım modelleri, temel bileşenler ayrışımı, varyasyonel özkodlayıcı (autoencoder), gürültü giderici özkodlayıcı, difuzyon modelleri
3. Gün Açıklanabilir Yapay Öğrenme
3.1. Temel Konular: Global ve lokal açıklama yaklaşımları, kendiliğinden açıklanabilir modeller, eğitilmiş model açıklama yöntemleri, kural tabanlı yapay öğrenme
3.2. İleri Konular: Yorumlanabilir yapay öğrenmede optimizasyon, kural kümeleri türetme yaklaşımları, lokal doğrusal modeller, kuramsal altyapı
4. Gün Geometrik Yapay Öğrenme
4.1. Temel Konular: Tensör analizi, diferansiyel geometri, manifoldlar
4.2. İleri Konular: Izgaralar (grids), gruplar, ayarlar (gauges), jeodezikler (geodesics), simetri altında eşvaryant (equivariant) öğrenme, çizge sinir ağları (graph neural networks), nokta bulutları
5. Gün Güncel Araştırmalar
Genel Bilgiler: Katılımcıların dersleri takip edebilmeleri için lineer cebir ve analiz bilgilerinin olması gereklidir. Daha önceden makine öğrenmesi dersi almış olmak şart değilse de, öyle bir eğitim almış olanlar derslerdeki kuramsal bilgiyle, yöntemler ve uygulamalar arasındaki ilişkiyi daha kolay göreceklerdir.
Derslere ön hazırlık olması için şuradaki ders notlarından ve videolarından yararlanabilirsiniz: https://github.com/sibirbil/IMO2020
Sorularınız için: Barbara Bakırcıoğlu, barbarabakircioglu@nesinkoyleri.org