Dersin Adı Dersin Seviyesi Dersin Kodu Dersin Tipi Dersin Dönemi Yerel Kredi AKTS Kredisi Ders Bilgileri
YAPAY SINIR AĞLARI Üçüncü Düzey ENM 614 Seçmeli 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 Endüstri mühendisliği alanında derinlemesine ve sistematik bilgiye sahip olarak, bu bilgiyi genişletebilecek ve yeniden yapılandırabilecek düzeyde kuramsal ve uygulamalı yetkinlik geliştirebilme.
2 Alanındaki karmaşık problemlere yönelik özgün model, yöntem veya algoritmalar geliştirebilme, bu katkıları bilimsel literatüre yenilikçi ve ileri düzeyde katkı sağlayacak şekilde sunabilme.
3 Bilimsel literatürü ileri düzeyde analiz edebilme, eleştirel değerlendirme yapabilme ve mevcut bilgi birikimindeki boşlukları tespit ederek yeni araştırma problemleri tanımlayabilme.
4 Karmaşık sistemleri yenilikçi modelleme, simülasyon, optimizasyon ve veri bilimi yaklaşımlarıyla analiz edebilme, elde edilen sonuçlardan genellenebilir ve teorik katkı sağlayan çıkarımlar üretebilme.
5 Bağımsız olarak özgün bir araştırma süreci tasarlayabilme, yönetebilme, uygulayabilme ve sonuçlarını bilimsel geçerlilik ve güvenilirlik kriterlerine uygun biçimde değerlendirebilme.
6 Disiplinlerarası araştırmalarda liderlik üstlenebilme, araştırma ekiplerini yönlendirebilme ve ulusal/uluslararası iş birlikleri geliştirebilme.
7 Bilimsel araştırma ve yayın süreçlerini etik ilkeler, akademik dürüstlük ve kalite standartları doğrultusunda yönetebilme ve bu ilkeleri yaygınlaştırabilme.
8 Araştırma çıktılarının uluslararası düzeyde saygın ve yüksek etkili bilimsel dergilerde yayımlanmasını sağlayarak alanın bilgi birikimine özgün katkı sunabilme.
9 Ürettiği bilimsel bilgiyi akademik, endüstriyel ve toplumsal bağlamlarda uygulamaya aktarabilme, karar vericilere ve politika yapıcılara katkı sağlayabilme.
10 Alanındaki gelişmeleri yönlendirebilecek düzeyde yenilikçi düşünme, teknoloji geliştirme ve bilgi üretme kapasitesi sergileyerek bilimsel ve teknolojik ilerlemeye katkı sağlayabilme.
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