Erciyes University - Info Package

Dersin Adı	Dersin Seviyesi	Dersin Kodu	Dersin Tipi	Dersin Dönemi	Yerel Kredi	AKTS Kredisi	Ders Bilgileri
ENERJİ SİSTEMLERİ İÇİN DERİN ÖĞRENME	İkinci Düzey	ESM 626		2	7.50	7.50	Yazdır

Dersin Tanımı

Ön Koşul Dersleri	Ön koşul dersi bulunmamaktadır.
Eğitimin Dili	Türkçe
Koordinatör
Dersi Veren Öğretim Eleman(lar)ı	DR. ÖĞR. ÜYESİ SALTUK BUĞRA SELÇUKLU
Yardımcı Öğretim Eleman(lar)ı
Dersin Veriliş Şekli	Yüz yüze.
Dersin Amacı	Derin öğrenme tekniklerinin teorik temellerini ve bu teknikleri enerji sistemleri problemlerine başarıyla uygulamak için gerekli bilgi ve becerileri kazandırmaktır.
Dersin Tanımı	Elektrik şebekeleri, yenilenebilir enerji kaynakları ve enerji piyasaları bağlamında yapay zekanın en ileri teknolojisi olan derin öğrenme mimarilerine odaklanır.

Dersin İçeriği

1	Enerji sistemleri verilerinin özellikleri (zaman serisi, hacim, hız, çeşitlilik), veri ön işleme gereksinimleri.
2	Yapay Sinir Ağları
3	RNN mimarisi, enerji sistemlerinde zaman serisi modelleme (yük, fiyat, yenilenebilir üretim tahmini).
4	Uzun Kısa Süreli Bellek (LSTM)
5	Evrişimli Sinir Ağları (CNN)
6	Otokodlayıcılar (Autoencoders)
7	Üretken Çekişmeli Ağlar (GANs)
8	Pekiştirmeli Öğrenmeye (Reinforcement Learning) Giriş
9	Vaka Çalışmaları
10	Dönem Projelerinin Sunumu ve Değerlendirme
11
12
13
14
15
16
17
18
19
20

Dersin Öğrenme Çıktıları

1	Temel YSA, CNN, RNN (LSTM/GRU) ve Otokodlayıcı mimarilerinin yapısını, çalışma prensiplerini ve enerji sistemlerinde kullanım amaçlarını açıklayabilme bilgisine sahip olur.
2	Enerji sistemlerine ait büyük, zaman serisi verilerini derin öğrenme modelleri için hazırlama ve ön işleme süreçlerini kavrar.
3	Elektrik yükü, fiyatı veya yenilenebilir enerji üretimi (rüzgar, güneş) tahmini için LSTM/GRU gibi uygun derin öğrenme modellerini tasarlayabilir, eğitebilir ve değerlendirebilir.
4	Geliştirdiği derin öğrenme modellerinin performansını uygun metrikler (MAE, RMSE, $R^2$, F1 Skoru) kullanarak analiz edebilir ve sonuçları mühendislik bağlamında yorumlayabilir.
5	Python''daki TensorFlow veya PyTorch gibi güncel derin öğrenme kütüphanelerini etkin bir şekilde kullanarak karmaşık enerji sistemi problemlerini çözebilir.
6
7
8
9
10

*Dersin Program Yeterliliklerine Katkı Seviyesi

1	Türk Milli Eğitim Sisteminin amaçlarını ve ilkelerini kavrayabilme. 2- Yönetim biliminin tarihçesi, gelişimi hakkında bilgilenebilme, eğitim örgütü yönetimi ve özelliklerini öğrenebilme 3- Yöneticilerin rollerini ve yönetsel yeteneklerini öğrenebilme. 4- Okul liderliğinin temellerini bilme. 5- Denetimin ne olduğunu, eğitim denetimi ilkeleri ile beceri ve yetenekleri hakkında bilgi sahibi olma. 6- Okul müdürlerinin rolleri ve sorumluluklarının farkına varma. 7- Okullarda personel yönetimi ve rol ve sorumluluklarının farkına varma. 8- Okul programıyla ilgili olarak; ailelerden, yöneticilerden, müfettişlerden ve öğretmenlerden beklentiler hakkında bilgi edinebilme
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	14	3	42
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme)	14	6	84
Ödevler	14	2	28
Sunum / Seminer hazırlama	3	5	15
Kısa sınavlar	0	0	0
Ara sınavlara hazırlık	1	10	10
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	10	10
Yarıyıl sonu sınavı	1	2	2
Araştırma	0	0	0
Toplam iş yükü			193
AKTS			7.50

Değerlendirme yöntemleri ve kriterler

Yarıyıl içi değerlendirme	Sayısı	Katkı Yüzdesi
Ara sınav	1	40
Kısa sınav	0	0
Ödev	0	0
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
Yardımcı Kaynaklar

Ders İle İlgili Dosyalar