Erciyes University - Info Package

Dersin Adı	Dersin Seviyesi	Dersin Kodu	Dersin Tipi	Dersin Dönemi	Yerel Kredi	AKTS Kredisi	Ders Bilgileri
YAPAY SINIR AĞLARI	İkinci Düzey	ENM 614		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	-
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 sınavı
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	YSA uygulama makaleleri incelemeleri.
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	veteriner fizyoloji alanındaki güncel bilgilere sahip olmak ve uzmanlık eğitimine hazır olabilmek
2	veteriner fizyoloji alanındaki güncel uygulamaları yapabilmek
3	Bağımsız olarak ve ayrıca çalışma ekibinin lideri ve bir üyesi olarak sorumluluk alabilmek, planlama yapabilmek, çalışabilmek, karşılaşılan sorunları çözebilmek
4	Yaşam boyu öğrenme ile ilişkili olarak sağlık alanındaki yeni bilgilere ulaşabilmek, değerlendirebilmek ve uygulayabilmek
5	Yabancı dili de kullanarak sağlık alanında yurt içinde ve yurt dışındaki meslektaşları ile iletişim kurabilmek
6	Sağlık alanındaki verileri toplayabilmek, değerlendirebilmek ve kalite yönetimi sürecine uygun hareket edebilmek
7	veteriner fizyoloji alanındaki spesifik bilgilere sahip olmak
8	veteriner fizyoloji alanındaki deneysel uygulamaları yapabilmek
9	veteriner fizyoloji alanındaki edinilen bilgileri sentezleyip, yeni fikirler oluşturabilmek
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	30	30
Yarıyıl sonu sınavı	1	3	3
Araştırma	0	0	0
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