Bu dersin amacı, öğrencilerin derin öğrenme alanındaki temel kavramları ve güncel mimari yaklaşımları teorik ve uygulamalı olarak öğrenmesini sağlamaktır. Yapay sinir ağları, konvolüsyonel ağlar, tekrarlayan ağlar, Transformer mimarisi ve büyük dil modelleri gibi temel yapıların çalışma prensiplerinin kavranması ve uygulanması hedeflenmektedir. Ders, Huawei Türkiye Ar-Ge Merkezi MSDC (Mobile Services Development Center) AI takımının üretim ölçeğinde LLM, doğal dil işleme ve bilgi getirimi alanlarındaki sektör deneyimini akademik ortama taşımayı amaçlar. Üniversite müfredatlarında henüz yaygın yer almayan Agentic AI, RAG, MCP entegrasyonu ve göreve özgü ince ayar (fine-tuning) konseptleri proje bileşeni üzerinden öğrencilere kazandırılır. Öğrencilerin ders sonunda somut bir sektör problemini çözen bağımsız bir derin öğrenme projesi tasarlayıp uygulayabilecek düzeye ulaşması beklenmektedir.

Derin öğrenmenin matematiksel temellerinden başlayarak yapay sinir ağlarının yapısı, eğitim dinamikleri ve performans değerlendirme yöntemleri ele alınmaktadır. Konvolüsyonel sinir ağları, tekrarlayan sinir ağları, otokodlayıcılar, üretken modeller ve Transformer mimarisi dersin temel yapı taşlarını oluşturmaktadır. Büyük dil modelleri (BERT, GPT), ince ayar stratejileri (LoRA, PEFT), RLHF, Diffusion modeller ve yapay zeka etiği gibi güncel konular da işlenmektedir. Dersin sektör farklılaştırma boyutunda, Huawei MSDC AI takımının deneyimi doğrultusunda Agentic AI, RAG (Retrieval-Augmented Generation), MCP (Model Context Protocol) entegrasyonu ve LLM tabanlı kod üretme sistemleri konuları proje üzerinden uygulamaya dökülür. Uygulama çalışmalarında PyTorch ve Hugging Face araçları kullanılarak gerçek dünya problemlerine çözümler geliştirilmektedir.

10. LLM tabanlı sistemleri (Agentic AI, RAG, fine-tuning) sektör problemlerine uyarlar.