modül #1 Derin Öğrenmeye Giriş Derin öğrenme, tarih ve uygulamalara genel bakış
modül #2 Matematiksel Ön Koşullar Doğrusal cebir, kalkülüs ve olasılık teorisinin gözden geçirilmesi
modül #3 Sinir Ağları Temelleri Yapay sinir ağlarına, algılayıcılara ve çok katmanlı algılayıcılara giriş
modül #4 Aktivasyon Fonksiyonları ve Geri Yayılım Aktivasyon fonksiyonları, geri yayılım ve gradyan inişi
modül #5 Sinir Ağlarının Oluşturulması ve Eğitilmesi Derin öğrenme çerçevesi kullanılarak sinir ağlarının oluşturulması ve eğitilmesi konusunda uygulamalı deneyim
modül #6 Evrişimsel Sinir Ağları (CNN'ler) CNN'lere, evrişimsel katmanlara ve havuzlama katmanlarına giriş
modül #7 CNN Mimarileri AlexNet, VGGNet, GoogLeNet ve ResNet mimarileri
modül #8 Aktarım Öğrenmesi ve İnce Ayar Kullanım önceden eğitilmiş CNN modelleri ve görüntü sınıflandırma görevleri için ince ayar
modül #9 Yinelenen Sinir Ağları (RNN'ler) RNN'lere, basit RNN'lere ve LSTM ağlarına giriş
modül #10 RNN Mimarileri GRU, Çift Yönlü RNN'ler ve Kodlayıcı-Kod Çözücü modelleri
modül #11 Sıradan Sıraya Modeller Makine çevirisi, sohbet robotları ve sıra-sıra modelleri
modül #12 Üretici Modeller Üretici modellere, GAN'lara ve VAE'lere giriş
modül #13 Oto Kodlayıcılar ve Varyasyonel Oto Kodlayıcılar Boyut azaltma, oto kodlayıcılar ve VAE'ler