Erciyes University - Info Package

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	PROF. DR. ÜMİT HALUK ATASEVER
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
2
3
4
5
6
7
8
9
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