Dersin Adı Dersin Seviyesi Dersin Kodu Dersin Tipi Dersin Dönemi Yerel Kredi AKTS Kredisi Ders Bilgileri
MODERN VERİ İŞLEME TEKNİKLERİ İkinci Düzey HM 208 4 2.00 2.00 Yazdır
   
Dersin Tanımı
Ön Koşul Dersleri Bu dersin ön koşulu yoktur
Eğitimin Dili Türkçe
Koordinatör
Dersi Veren Öğretim Eleman(lar)ı PROF. DR. ERKAN BEŞDOK
Yardımcı Öğretim Eleman(lar)ı Ahmet Emin Karkınlı Abdüsselam Kesikoğlu
Dersin Veriliş Şekli Teorik
Dersin Amacı Öğrencilere veri madenciliği ve veri işleme konusunda giriş seviyesind ebeceri kazandırmak
Dersin Tanımı Bu ders modern veri madenciliği teknikleri konusunda öğrencileri bilgilendirmeyi amaçlamaktadır.

Dersin İçeriği
1 İstatistiksel veri işleme Teknikleri
2 Veri Madenciliği, İstatistiksel Analiz
3 Backtracking Search Optimization Algoritması (BSA)
4 Bernstain Differential Evolution Algoritması (BSD)
5 Artificial Bee Colony Algoritması (ABC)
6 Particle Swarm Optimization Algoritması (PSO)
7 İstatistiksel Öğrenme & Derin Öğrenme
8 Yapay Sinir Ağları Nedir ? Nasıl Çalışır ?
9 Bulanık Sistemler ve Görüntü Sınıflandırma
10 Midterm Exam
11 Data Processing Applications Clustering, Regression, Classifier Design, Error Analysis, Time Series Analysis
12 Proje ve Uygulama Sunumu
13 Proje ve Uygulama Sunumu
14 Yapay Zeka Uygulamaları
15 Proje ve Uygulama Sunumu
16 Final Sınavı
17
18
19
20

Dersin Öğrenme Çıktıları
1 Uzamsal Veri İşleme ve modelleme becerisi kazanma
2 Yapay Zeka model ve tekniklerini tanıma
3 Temel yapay-zeka veri işleme algoritmaları
4 Küresel optimizasyon aracı tasarımı
5 Analitik model kurma ve çözme
6 Benzetim ve Tahmin modelleri geliştirme
7
8
9
10

*Dersin Program Yeterliliklerine Katkı Seviyesi
1 veteriner fizyoloji alanındaki güncel bilgilere sahip olmak ve uzmanlık eğitimine hazır olabilmek
2 veteriner fizyoloji alanındaki güncel uygulamaları yapabilmek
3 Bağımsız olarak ve ayrıca çalışma ekibinin lideri ve bir üyesi olarak sorumluluk alabilmek, planlama yapabilmek, çalışabilmek, karşılaşılan sorunları çözebilmek
4 Yaşam boyu öğrenme ile ilişkili olarak sağlık alanındaki yeni bilgilere ulaşabilmek, değerlendirebilmek ve uygulayabilmek
5 Yabancı dili de kullanarak sağlık alanında yurt içinde ve yurt dışındaki meslektaşları ile iletişim kurabilmek
6 Sağlık alanındaki verileri toplayabilmek, değerlendirebilmek ve kalite yönetimi sürecine uygun hareket edebilmek
7 veteriner fizyoloji alanındaki spesifik bilgilere sahip olmak
8 veteriner fizyoloji alanındaki deneysel uygulamaları yapabilmek
9 veteriner fizyoloji alanındaki edinilen bilgileri sentezleyip, yeni fikirler oluşturabilmek
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
Yıldızların sayısı 1’den (en az) 5’e (en fazla) kadar katkı seviyesini ifade eder

Planlanan Öğretim Faaliyetleri, Öğretme Metodları ve AKTS İş Yükü
  Sayısı Süresi (saat) Sayı*Süre (saat)
Yüz yüze eğitim 3 6 18
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme) 3 10 30
Ödevler 2 5 10
Sunum / Seminer hazırlama 0 0 0
Kısa sınavlar 0 0 0
Ara sınavlara hazırlık 0 0 0
Ara sınavlar 1 5 5
Proje (Yarıyıl ödevi) 0 0 0
Laboratuvar 0 0 0
Arazi çalışması 0 0 0
Yarıyıl sonu sınavına hazırlık 0 0 0
Yarıyıl sonu sınavı 1 5 5
Araştırma 0 0 0
Toplam iş yükü     68
AKTS     3.00

Değerlendirme yöntemleri ve kriterler
Yarıyıl içi değerlendirme Sayısı Katkı Yüzdesi
Ara sınav 1 50
Kısa sınav 0 0
Ödev 0 0
Yarıyıl içi toplam   50
Yarıyıl içi değerlendirmelerin başarıya katkı oranı   50
Yarıyıl sonu sınavının başarıya katkı oranı   50
Genel toplam   100

Önerilen Veya Zorunlu Okuma Materyalleri
Ders kitabı 1- Mühendislikte Yapay Zeka Uygulamaları 1 / Yapay Sinir Ağları 2- Yapay Zeka Optimizasyon Algoritmaları (Karaboğa Derviş)
Yardımcı Kaynaklar -

Ders İle İlgili Dosyalar