CMP5133 Yapay Sinir AğlarıBahçeşehir ÜniversitesiAkademik Programlar BİLGİ TEKNOLOJİLERİ (İNGİLİZCE, TEZSİZ)Öğrenciler için Genel BilgiDiploma EkiErasmus BeyanıUlusal YeterliliklerBologna Komisyonu
BİLGİ TEKNOLOJİLERİ (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 Bahar 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) Temel Yazılım Mühendisliği bilgi ve yetkinliklerini kullanır.
2) Yazılım Mühendisliği uygulamaları için gerekli olan program geliştirme becerisini uygular.
3) Veri yapılarını kullanır ve algoritma geliştirme bilgilerini uygular.
4) İşletim sistemleri üzerinde sistem programları geliştirir.
5) Bilgisayar organizasyonu, tasarımı ve mimarilerini tanımlar.
6) Bilgisayar ağları ve ağ güvenliği yapılarını oluşturur.
7) İş zekası, veri madenciliği ve veri analizi araçlarını kullanır, tekniklerini uygular.
8) Veritabanı uygulamaları ve WEB tabanlı programlar geliştirir.
9) Bilgi teknolojileri projelerini tanımlar, analiz eder, tasarlar ve yönetir.
10) Eğitimde teknoloji tabanlı ortamları ve araçları kullanır ve geliştirir.
11) İş ortamındaki bilişim teknolojileri ihtiyaçlarını saptar, tanımlar ve çözer.
12) Bilişim teknolojileri yetkinliklerini mesleki sorumluluklar ve etik kuralları çerçevesinde kullanır.