| Dersin adı |
Dersin seviyesi |
Dersin kodu |
Dersin tipi |
Dersin dönemi |
Yerel kredi |
AKTS kredisi |
Ders bilgileri |
| YAPAY SİNİR AĞLARI- I |
İkinci düzey |
BİM 501 |
|
1 |
7.50 |
7.50 |
Yazdır |
|
Ön koşul dersleri
|
Herhangi bir ön koşul yok
|
|
Eğitimin dili
|
Türkçe
|
|
Koordinatör
|
PROF. DR. ALPER BAŞTÜRK
|
|
Dersi veren öğretim eleman(lar)ı
|
DOÇ. DR. ALPER BAŞTÜRK
|
|
Yardımcı öğretim eleman(lar)ı
|
--
|
|
Dersin veriliş şekli
|
Yüz yüze
|
|
Dersin amacı
|
Yapay sinir ağları (YSA), beynin belirli bir işi veya fonksiyonu gerçekleştirme yöntemini/yolunu modellemek için tasarlanan yapılardır. Bu ders, yapay sinir ağları ile ilgili temel bilgiler verir ve uygulama örnekleri sunar.
|
|
Dersin tanımı
|
Yapay sinir ağları (YSA), beynin belirli bir işi veya fonksiyonu gerçekleştirme yöntemini/yolunu modellemek için tasarlanan yapılardır. Bu ders, yapay sinir ağları ile ilgili temel bilgiler verir ve uygulama örnekleri sunar.
|
|
1- |
Beynin yapısı, biyolojik ağlar ve sinir sistemi hakkında bilgi
|
|
2- |
Yapay sinir sistemleri: Sinirsel hesaplama, YSA'ların gelişim tarihi. YSA'ların temel kavramları ve modelleri - 1
|
|
3- |
Yapay sinir sistemleri: Sinirsel hesaplama, YSA'ların gelişim tarihi. YSA'ların temel kavramları ve modelleri - 2
|
|
4- |
YSA modelleri, sinirsel süreçleme.
|
|
5- |
Öğrenme ve uyum, sinirağı öğrenme kuralları - 1
|
|
6- |
Öğrenme ve uyum, sinirağı öğrenme kuralları - 2
|
|
7- |
Tek-katmanlı sinir sınıflayıcılar
|
|
8- |
Vize
|
|
9- |
Tek-katmanlı geri beslemeli ağlar
|
|
10- |
Çok katmanlı ileri beslemeli ağlar - 1
|
|
11- |
Çok katmanlı ileri beslemeli ağlar - 2
|
|
12- |
Sinir algoritmaları ve sistemlerinin uygulamaları. Sinir ağlarının gerçeklenmesi - 1
|
|
13- |
Sinir algoritmaları ve sistemlerinin uygulamaları. Sinir ağlarının gerçeklenmesi - 2
|
|
14- |
Matlab uygulamaları
|
|
15- |
|
|
16- |
|
|
17- |
|
|
18- |
|
|
19- |
|
|
20- |
|
|
1- |
YSA ile ilgili temelleri kavramak
|
|
2- |
Yapay sinir ağı yapıları
|
|
3- |
YSA öğrenme algoritmaları
|
|
4- |
YSA tasarımında dikkat edilmesi gereken hususlar
|
|
5- |
YSA uygulama alanları
|
|
6- |
--
|
|
7- |
--
|
|
8- |
--
|
|
9- |
--
|
|
10- |
--
|
|
*Dersin program yeterliliklerine katkı seviyesi
|
|
1- |
Uzmanlığını kullanarak endüstri mühendisliği problemlerini tanımlayabilme ve yenilikçi çözümler üretebilme becerisi kazanır.
|
|
|
2- |
Alanında karşılaşılabilecek sorunları tanımlayarak uygun modelleme yöntemleri ile çözme becerisi kazanır.
|
|
|
3- |
Konusunda, ulusal ve uluslararası düzeydeki bilimsel çalışmaları takip ederek alanındaki bilimsel ve teknolojik gelişmeleri derinlemesine izleyebilme yeteneği kazanır.
|
|
|
4- |
Sistemlerin modellenmesi, benzetimi ve matematiksel ifade etme yeteneği kazanır.
Endüstri Mühendisliği problemlerini inceleyebilmek için deneyler tasarlama, gerçekleştirme, veri toplama, verileri analiz etme ve sonuçları yorumlama yeteneği kazanır.
|
|
|
5- |
Endüstri Mühendisliği problemlerini inceleyebilmek için deneyler tasarlama, gerçekleştirme, veri toplama, verileri analiz etme ve sonuçları yorumlama yeteneği kazanır.
|
|
|
6- |
Disiplinler arası yapıdaki problemleri çözmek için disiplinler arası takımlara ulaşarak onlarla işbirliği yapabilme yeteneği kazanır.
|
|
|
7- |
Fakülte çalışanı birisinin gözetimi altında sunulabilir bir çalışma yapma yeteneği kazanır.
|
|
|
8- |
Endüstriyel ve sistemsel teknik bilgileri profesyonel seviyede yazılı, sözlü ve iş grafikleri formatında iletebilme yeteneği kazanır.
|
|
|
9- |
Bilimsel yayın yapabilme yeteneği kazanır.
|
|
|
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 iş yükü
|
|
|
Sayısı
|
Süresi (saat)
|
Sayı*Süre (saat)
|
|
Yüz yüze eğitim
|
14
|
3
|
42
|
|
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme)
|
14
|
2
|
28
|
|
Ödevler
|
7
|
5
|
35
|
|
Sunum / Seminer hazırlama
|
7
|
1
|
7
|
|
Kısa sınavlar
|
0
|
0
|
0
|
|
Ara sınavlara hazırlık
|
1
|
20
|
20
|
|
Ara sınavlar
|
1
|
2
|
2
|
|
Proje (Yarıyıl ödevi)
|
0
|
0
|
0
|
|
Laboratuvar
|
0
|
0
|
0
|
|
Arazi çalışması
|
0
|
0
|
0
|
|
Yarıyıl sonu sınavına hazırlık
|
1
|
20
|
20
|
|
Yarıyıl sonu sınavı
|
1
|
2
|
2
|
|
Araştırma
|
7
|
5
|
35
|
|
Toplam iş yükü
|
|
|
191
|
|
AKTS
|
|
|
7.50
|
|
Değerlendirme yöntemleri ve kriterler
|
|
Yarıyıl içi değerlendirme
|
Sayısı
|
Katkı Yüzdesi
|
|
Ara sınav
|
1
|
65
|
|
Kısa sınav
|
7
|
35
|
|
Ödev
|
0
|
0
|
|
Yarıyıl içi toplam
|
|
100
|
|
Yarıyıl içi değerlendirmelerin başarıya katkı oranı
|
|
40
|
|
Yarıyıl sonu sınavının başarıya katkı oranı
|
|
60
|
|
Genel toplam
|
|
100
|
|
Önerilen veya zorunlu okuma materyalleri
|
|
Ders kitabı
|
S. Haykin. "Neural Networks: A Comprehensive Foundation", (2nd ed.), Prentice Hall PTR, Upper Saddle River, NJ, USA, 2008.
|
|
Yardımcı Kaynaklar
|
E. Öztemel, "Yapay Sinir Ağları", Papatya Yayıncılık, 2008.
|
|