Erciyes University - Info Package

Dersin Adı	Dersin Seviyesi	Dersin Kodu	Dersin Tipi	Dersin Dönemi	Yerel Kredi	AKTS Kredisi	Ders Bilgileri
GEOTEKNİK DEPREM MÜHENDİSLİĞİ	Üçüncü Düzey	İNŞ 610		1	7.50	7.50	Yazdır

Dersin Tanımı

Ön Koşul Dersleri	yok
Eğitimin Dili	TÜRKÇE
Koordinatör
Dersi Veren Öğretim Eleman(lar)ı	DR. ÖĞR. ÜYESİ AYKUT EROL
Yardımcı Öğretim Eleman(lar)ı
Dersin Veriliş Şekli	yüz yüze
Dersin Amacı	Deprem kaynak parametrelerinin belirlenmesi, sismik sinyal işleme ve dalga yayılımı konularında derinlemesine sismolojik bilgi sunmak; bu karmaşık sismolojik verilerin analizinde, sınıflandırılmasında ve sismik tehlike tahmininde Makine Öğrenmesi (ML) ve Derin Öğrenme (DL) algoritmalarının (CNN, RNN, Random Forest vb.) teorik ve pratik uygulamalarını öğretmek.
Dersin Tanımı	Ders, modern sismolojinin temel prensiplerini veri odaklı bir perspektifle ele alır. Sismik dalgaların fiziği, odak mekanizması çözümleri ve spektral analiz konuları işlendikten sonra; bu verilerin büyük veri (big data) ekosistemindeki yeri tartışılır. Özellikle sismik fazların otomatik tespiti (phase picking), deprem kataloglarının oluşturulması ve zemin sınıflamasında Convolutional Neural Networks (CNN) ve Recurrent Neural Networks (RNN) kullanımı üzerine uygulamalı çalışmalar gerçekleştirilir.

Dersin İçeriği

1	Kuvvetli Yer Hareketi ve Sismometri
2	Kuvvetli Yer Hareketi ve Sismometri
3	Deprem Kaynak Parametreleri
4	Deprem Kaynak Parametreleri
5	Sismik Sinyal Sınıflandırma
6	Sismik Sinyal Sınıflandırma
7	Spektra ve Zemin Transfer Fonksiyonları
8	Spektra ve Zemin Transfer Fonksiyonları
9	Sismik Tehlike ve Tahmin
10	Sismik Tehlike ve Tahmin
11	Yer Hareketi Tahmin Modelleri (GMPE)
12	Yer Hareketi Tahmin Modelleri (GMPE)
13	Gerçek Zamanlı Sismoloji ve Uyarı Sistemleri
14	Gerçek Zamanlı Sismoloji ve Uyarı Sistemleri
15
16
17
18
19
20

Dersin Öğrenme Çıktıları

1	Sismolojik ağlardan gelen ham verileri (SEED, SAC formatları) işleyebilir ve analiz edebilir.
2	Deprem ve yapay sarsıntıları (patlama vb.) yüksek doğrulukla sınıflandıran (classification) ML modelleri geliştirebilir.
3	Sismik sinyalleri zaman ve frekans ortamında (Wavelet, STFT) dönüştürerek derin öğrenme modellerine girdi hazırlayabilir.
4	Geleneksel ampirik modeller ile modern veri bilimini birleştirerek sismik tehlike analizleri yapabilir.
5
6
7
8
9
10

*Dersin Program Yeterliliklerine Katkı Seviyesi

1	Hemşire ve hemşirelik teorilerini uygulama bilgi ve yeteneği geliştirebilme
2	Halk sağlığı hemşireliği alanındaki bilgileri farklı disiplin alanlarından gelen bilgilerle bütünleştirerek yeni bilgiler oluşturabilme
3	Halk sağlığı hemşireliği alanındaki bir sorunu, bağımsız olarak kurgulayabilme, çözüm yöntemi geliştirebilme, çözebilme, sonuçları değerlendirebilme ve gerektiğinde uygulayabilme
4	Halk sağlığı hemşireliği alanıyla ilgili bilgileri eleştirel bir gözle değerlendirebilme, öğrenmeyi yönlendirebilme ve ileri düzey çalışmaları bağımsız olarak yürütebilme
5	Halk sağlığı hemşireliği alanı ile ilgili verilerin toplanması, yorumlanması, duyurulması aşamalarında toplumsal, bilimsel ve etik değerleri gözeterek bu değerleri paylaşabilme
6	Halk sağlığı hemşireliği alanında özümsediği bilgiyi ve problem çözme yeteneklerini, disiplinler arası çalışmalarda uygulayabilme.
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	14	3	42
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme)	14	3	42
Ödevler	2	10	20
Sunum / Seminer hazırlama	1	15	15
Kısa sınavlar	1	2	2
Ara sınavlara hazırlık	1	15	15
Ara sınavlar	1	2	2
Proje (Yarıyıl ödevi)	1	15	15
Laboratuvar	0	0	0
Arazi çalışması	0	0	0
Yarıyıl sonu sınavına hazırlık	1	15	15
Yarıyıl sonu sınavı	1	2	2
Araştırma	5	3	15
Toplam iş yükü			185
AKTS			7.50

Değerlendirme yöntemleri ve kriterler

Yarıyıl içi değerlendirme	Sayısı	Katkı Yüzdesi
Ara sınav	1	50
Kısa sınav	1	20
Ödev	2	30
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	-
Yardımcı Kaynaklar	Stein, S., & Wysession, M. (2003). An Introduction to Seismology, Earthquakes, and Earth Structure. Kong, Q., et al. (2019). Machine Learning in Seismology: Turning Data into Knowledge. (IEEE GRSM). Aki, K., & Richards, P. G. Quantitative Seismology. Kütüphaneler: ObsPy (Python sismoloji kütüphanesi), Scikit-Learn, TensorFlow/PyTorch.

Ders İle İlgili Dosyalar