BİLGİ TEKNOLOJİLERİ (TÜRKÇE, TEZLİ)
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 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:	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.

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. Dersin öğrenme yöntemleri anlatım, bireysel çalışma, teknoloji destekli öğrenme, proje hazırlama şeklindedir.

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)	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.