Erciyes University - Info Package

Dersin Adı	Dersin Seviyesi	Dersin Kodu	Dersin Tipi	Dersin Dönemi	Yerel Kredi	AKTS Kredisi	Ders Bilgileri
YAPAY SİNİR AĞLARI	Üçüncü Düzey	ENM 532		1	7.50	7.50	Yazdır

Dersin Tanımı

Ön Koşul Dersleri	-
Eğitimin Dili	Türkçe
Koordinatör	PROF. DR. BANU SOYLU
Dersi Veren Öğretim Eleman(lar)ı	PROF. DR. BANU SOYLU
Yardımcı Öğretim Eleman(lar)ı	-
Dersin Veriliş Şekli	Sınıf veya bilgisayar laboratuvarı
Dersin Amacı	Bu dersin amacı yapay öğrenme tekniklerinden biri olan yapay sinir ağlarının çalışma prensiplerini öğrenmek, yapay sinir ağlarını eğitebilmek ve uygulamalar yapmaktır
Dersin Tanımı	Yapay Sinir Ağı mimarisinin oluşturulması ve bu mimarinin elemanlarının çalışma prensibinin kavranması. Güncel yapay sinir ağı mimarilerinin incelenmesi ve Python vb. programlama dilleri kullanılarak uygulamalar yapılmasıdır.

Dersin İçeriği

1	Öğrenme süreci. Yapay sinir ağı nedir?
2	Öğrenme yöntemleri (learning algorithms)
3	Regresyon kullanarak model oluşturma
4	Perceptron kavramı, tek katmanlı algılayıcılar, basit algılayıcı modeli, ADALINE, MADALINE.
5	Yapay sinir ağları ile eğitme ve modelleme
6	Geriye yayılma algoritması (Backpropogation algorithm)
7	YSA kodlama uygulamaları
8	Derin öğrenme (Deep learning)
9	Vize
10	Convolutional yapay sinir ağları (CNN)
11	Recurrent yapay sinir ağları ve long-short term memory (LSTM) ağları
12	Yapay sinir ağları ile eğitme ve modelleme: Danışmansız eğitim (Unsupervised learning), self organizing map (SOM)
13	Yapay sinir ağları ile eğitme ve modelleme: Yarı danışmanlı eğitim (Semi-spervised learning)
14	Auto-encoder
15	Proje teslimi
16
17
18
19
20

Dersin Öğrenme Çıktıları

1	Bu dersi başarı ile tamamlayan öğrencilerin yapay öğrenme konusunda bilgi sahibi olması, bir eğitim veri seti üzerinde bir yapay sinir ağı oluşturabilmesi ve Matlab, Python, R vb. programlama dillerini kullanarak uygulama yapabilme becerilerinin artması beklenmektedir.
2	Öğrencilerin ileri araştırmalarda kullanılan YSA modellerini kavrayabilme yeteneklerinin artması beklenmektedir.
3	Öğrencilerin supervised, unsupervised ve semi-supervised learning kavramları arasındaki farkı anlayabilme becerilerinin artması beklenmektedir
4	Öğrencilerin YSA mimarisi kurma ve test etme becerilerinin artması beklenmektedir.
5	öğrencilerin bir eğitim veri seti üzerinde bir yapay sinir ağı oluşturabilmesi ve Matlab, Python, R vb. programlama dillerini kullanarak uygulama yapabilme becerilerinin artması beklenmektedir.
6	Öğrencilerin ileri araştırmalarda kullanılan YSA modellerini kavrayabilme yeteneklerinin artması beklenmektedir.
7
8
9
10

*Dersin Program Yeterliliklerine Katkı Seviyesi

1	Mekatronik mühendisliği alanında bilimsel araştırma yaparak bilgiye derinlemesine ulaşabilme, bilgiyi değerlendirme, yorumlama ve uygulama becerisine sahip olur.
2	Sınırlı verileri kullanarak bilimsel yöntemlerle aynı veya farklı disiplinlere ait bilgileri bütünleştirebilme becerisine sahip olur.
3	Mühendislik problemlerini tanımlayabilme, çözüm yöntemi geliştirme ve çözümlerde yenilikçi yöntemler uygulama ve geliştirebilme becerisine sahip olur.
4	Analitik, modelleme ve deneysel esaslı süreçleri tasarlama ve uygulama becerisi kazanır ve bu süreçte karşılaşılan karmaşık durumları analiz etme ve yorumlama becerisine sahip olur.
5	Mesleğinin yeni ve gelişmekte olan uygulamaları hakkında bilgi sahibi olur ve gerektiğinde bunları kullanma becerisi kazanır.
6	Verilerin toplanması ve yorumlanması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir.
7	Çalışmalarını ulusal ve uluslararası ortamlarda yazılı ya da sözlü olarak aktarabilme becerisine sahip olur.
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	13	3	39
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme)	13	3	39
Ödevler	1	10	10
Sunum / Seminer hazırlama	0	0	0
Kısa sınavlar	0	0	0
Ara sınavlara hazırlık	1	20	20
Ara sınavlar	1	3	3
Proje (Yarıyıl ödevi)	1	35	35
Laboratuvar	1	3	3
Arazi çalışması	0	0	0
Yarıyıl sonu sınavına hazırlık	1	20	20
Yarıyıl sonu sınavı	1	3	3
Araştırma	1	10	10
Toplam iş yükü			182
AKTS			7.50

Değerlendirme yöntemleri ve kriterler

Yarıyıl içi değerlendirme	Sayısı	Katkı Yüzdesi
Ara sınav	1	20
Kısa sınav	0	0
Ödev	1	20
Yarıyıl içi toplam		40
Yarıyıl içi değerlendirmelerin başarıya katkı oranı		40
Yarıyıl sonu sınavının başarıya katkı oranı		60
Genel toplam		100

Önerilen Veya Zorunlu Okuma Materyalleri

Ders kitabı	Ders notları
Yardımcı Kaynaklar	-

Ders İle İlgili Dosyalar