MEKATRONİK 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	Bahar	3	0	3	12

Bu katalog bilgi amaçlıdır, dersin açılma durumu, ilgili bölüm tarafından yarıyıl başında belirlenir.

Temel Bilgiler

Öğretim Dili:	İngilizce
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)	Mekatronik Mühendisliği konularında bilimsel araştırma yapma; bilgiyi değerlendirme, yorumlama ve uygulama becerilerini ve akademik altyapısını kazanır.
2)	Mekatronik Mühendisliği uygulamaları için gerekli modern yöntem ve teknikleri seçer uygular ve geliştirir.
3)	Mekatronik sistem, bileşen ve süreçlerin tasarımında yeni ve özgün fikir, yöntem ve çözümler geliştirir.
4)	Deney tasarlama, veri toplama, deney sonuçlarını analiz etme, raporlama ve uygulamaya aktarma becerisi kazanır.
5)	Bireysel ve ekip çalışması yapabilme, ekip üyeleriyle etkin iletişim ve yardımlaşma ve disiplinler arası çalışma yapabilme becerilerini kazanır.
6)	Sözlü ve yazılı etkin iletişim kurma becerisini; teknik yenilikleri ve terminolojiyi takip edebilecek düzeyde İngilizce dil bilgisini kazanır.
7)	Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme ve aktarabilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi kazanır.
8)	Evrensel, toplumsal ve mesleki etik bilincine sahip olur.
9)	İş hayatına yönelik proje organizasyonu ve yönetimi ve hakkında bilgi; girişimcilik, yenilikçilik ve sürdürebilir kalkınma hakkında farkındalık kazanır.
10)	Evrensel ve toplumsal boyutlarda mekatronik mühendisliği uygulamalarının sağlık, çevre, güvenlik ve hukuksal etkileri üzerinde farkındalık kazanır.