BAHÇEŞEHİR ÜNİVERSİTESİ BİLGİ PAKETİ / DERS KATALOĞU
| 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: | 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 |