CMP5133 Yapay Sinir AğlarıBahçeşehir ÜniversitesiAkademik Programlar BİLGİSAYAR MÜHENDİSLİĞİ (İNGİLİZCE, TEZSİZ)Öğrenciler için Genel BilgiDiploma EkiErasmus BeyanıUlusal YeterliliklerBologna Komisyonu
BİLGİSAYAR MÜHENDİSLİĞİ (İNGİLİZCE, TEZSİZ)
Yüksek Lisans TYYÇ: 7. Düzey QF-EHEA: 2. Düzey EQF-LLL: 7. Düzey

Ders Tanıtım Bilgileri

Ders Kodu Ders Adı Yarıyıl Teorik Pratik Kredi AKTS
CMP5133 Yapay Sinir Ağları Güz 3 0 3 12
Bu katalog bilgi amaçlıdır, dersin açılma durumu, ilgili bölüm tarafından yarıyıl başında belirlenir.

Temel Bilgiler

Öğretim Dili: English
Dersin Türü: Departmental Elective
Dersin Seviyesi: LİSANSÜSTÜ
Dersin Veriliş Şekli: Yüz yüze
Dersin Koordinatörü: Dr. Öğr. Üyesi CEMAL OKAN ŞAKAR
Dersi Veren(ler): Dr. Öğr. Üyesi CEMAL OKAN ŞAKAR
Opsiyonel Program Bileşenleri: Yok
Dersin Amacı: Bu dersin amacı temel yapay sinir ağları mimarilerini ve algoritmalarını tanıtmaktır. Ayruca öğrenciler gerçek hayat problemlerini çözebilmek için sinir ağlarını kullanmayı öğreneceklerdir.

Öğrenme Kazanımları

Bu dersi başarıyla tamamlayabilen öğrenciler;
I. Yapay sinir ağları sistemlerinin öğrenme ve genelleme yönlerini açıklayabilmek.
II. Geri yayılım algoritmasını bir öğrenme problemine uygulayabilmek.
III. Destek vektör makinalrını bir öğrenme problemine uygulayabilmek.
IV. Kendi kendini düzenleyen haritaları gerçekleştirebilmek.
V. En yaygın sinir ağları mimari ve algoritmalarını açıklayabilmek.

Dersin İçeriği

Perceptrons, doğrusal regresyon, en küçük ortalama kareler, çok katmanlı perceptron, geri yayılım algoritması, destek vektör makinaları, radyal tabanlı fonksiyon ağları, kendi kendini düzenleyen haritalar, geri beslemeli sinir ağları.

Haftalık Ayrıntılı Ders İçeriği

Hafta Konu Ön Hazırlık
1) Giriş
2) Perceptron
3) Doğrusal regresyon
4) En küçük ortalama kareler algoritması.
5) Çok katmanlı perceptronlar.
6) Geri yayılım algoritması.
7) Destek vektör makinaları
8) Destek vektör makinaları
9) Radyal tabanlı fonksiyon ağları.
10) Radyal tabanlı fonksiyon ağları
11) Kendi kendini düzenleyen haritalar
12) Kendi kendini düzenleyen haritalar
13) Geri beslemeli sinir ağları
14) Geri beslemeli sinir ağları

Kaynaklar

Ders Notları / Kitaplar: Neural Networks and Learning Machines
By Simon Haykin
Publisher: Prentice Hall; 3 edition
Diğer Kaynaklar: Yok - None

Değerlendirme Sistemi

Yarıyıl İçi Çalışmaları Aktivite Sayısı Katkı Payı
Ödev 5 % 25
Sunum 1 % 10
Projeler 1 % 25
Final 1 % 40
Toplam % 100
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI % 35
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI % 65
Toplam % 100

AKTS / İş Yükü Tablosu

Aktiviteler Aktivite Sayısı İş Yükü
Ders Saati 14 42
Proje 13 65
Ödevler 13 65
Final 5 19
Toplam İş Yükü 191

Program ve Öğrenme Kazanımları İlişkisi

Etkisi Yok 1 En Düşük 2 Düşük 3 Orta 4 Yüksek 5 En Yüksek
           
Dersin Program Kazanımlarına Etkisi Katkı Payı
1) İleri düzey Bilgisayar Mühendisliği kavramlarını tanımlamak ve uygulamak 5
2) Gelişmiş mühendislik problemlerini formüle edip çözmek 5
3) İleri düzey matematik, fen ve mühendislik bilgisi gerçek promlemler üzerinde uygulamak. 5
4) Araştırma projesi doğrultusunda literatürü dikkatlice gözden geçirip, kendi sonuçları ile önceki literatür arasında bağlantı kurmak 4
5) Mühendislik alanındaki bilimsel araştırmaları yorumlayıp analiz etmek ve çalışma alanındaki bilgileri kullanmak 4
6) Disiplinlerarası etkileşim bulunan araştırma takımlarında etkin şekilde çalışmak 3
7) Bilimsel bilgiye ulaşmak 3
8) Mevcut bilgiyi geliştirme yöntemleri bulmak 3
9) Araştırma konusu ile ilgili fikir ve bulgularını sözlü ve yazılı olarak etkin şekilde ifade edebilmek 2
10) Araştırma bulgularını seminer ve konferanslarda savunabilmek 2
11) İlerleme raporlarını yayınlanmış doküman, tez, makalelere dayandırarak yazmak 1
12) Profesyonel ve etik davranış sorumluluğu sergilemek 3
13) Yeni profesyonel uygulamalar ve yetileri yorumlamak için farkındalık geliştirmek 2