BİLGİ TEKNOLOJİLERİ (TÜRKÇE, TEZLİ) | |||||
Yüksek Lisans | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF-LLL: 7. Düzey |
Ders Kodu | Ders Adı | Yarıyıl | Teorik | Pratik | Kredi | AKTS |
CMP5133 | Yapay Sinir Ağları | Güz Bahar |
3 | 0 | 3 | 12 |
Bu katalog bilgi amaçlıdır, dersin açılma durumu, ilgili bölüm tarafından yarıyıl başında belirlenir. |
Öğretim Dili: | İngilizce |
Dersin Türü: | Departmental Elective |
Dersin Seviyesi: | LİSANSÜSTÜ |
Dersin Veriliş Şekli: | Yüz yüze |
Dersin Koordinatörü: | Doç. Dr. CEMAL OKAN ŞAKAR |
Dersi Veren(ler): |
Doç. Dr. 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. |
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. |
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. Dersin öğrenme yöntemleri anlatım, bireysel çalışma, teknoloji destekli öğrenme, proje hazırlama şeklindedir. |
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 |
Ders Notları / Kitaplar: | Neural Networks and Learning Machines By Simon Haykin Publisher: Prentice Hall; 3 edition |
Diğer Kaynaklar: | Yok - None |
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 |
Aktiviteler | Aktivite Sayısı | İş Yükü |
Ders Saati | 14 | 42 |
Proje | 13 | 65 |
Ödevler | 13 | 65 |
Final | 5 | 19 |
Toplam İş Yükü | 191 |
Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
Dersin Program Kazanımlarına Etkisi | Katkı Payı | |
1) | Bilgi teknolojileri alanındaki bilimsel literatürü takip eder, eleştirel bir yaklaşımla analiz eder ve karmaşık BT problemlerinin çözümünde etkin biçimde kullanır. | |
2) | Bilgi teknolojileriyle ilgili özgün projeler tasarlar, planlar, uygular ve proje yönetimi süreçlerini etkin biçimde yürütür. | |
3) | Bilgi teknolojileri alanındaki çalışmaları bağımsız olarak yürütür, bilimsel sorumluluk alır ve elde edilen bulguları eleştirel bir bakış açısıyla değerlendirir. | |
4) | Yürüttüğü araştırma ve projelerin sonuçlarını, akademik ve sektörel standartlara uygun biçimde yazılı, sözlü ve görsel olarak etkili bir şekilde sunar. | |
5) | Alanla ilgili uzmanlık gerektiren konularda bağımsız araştırmalar yapar, yenilikçi ve özgün fikirler geliştirir, bu bilgileri teknolojiye ve uygulamaya dönüştürür. | |
6) | Bilgi teknolojileri alanına özgü ileri düzey kuramsal bilgileri ve uygulamalı becerileri etkin biçimde kullanır; güncel yazılım, donanım ve sistem çözümlerini analiz eder ve geliştirir. | |
7) | Mesleki, bilimsel ve etik ilkelere uygun hareket eder; bilgi teknolojileri uygulamalarının toplumsal, çevresel ve etik etkilerini gözeterek sorumluluk alır. |