| BİLGİSAYAR MÜHENDİSLİĞİ (İNGİLİZCE, DOKTORA) | |||||
| Doktora | TYYÇ: 8. Düzey | QF-EHEA: 3. Düzey | EQF-LLL: 8. Düzey | ||
| Ders Kodu | Ders Adı | Yarıyıl | Teorik | Pratik | Kredi | AKTS |
| CMP5133 | Yapay Sinir Ağları | Güz | 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) | Bilimsel literatürü takip eder, eleştirel biçimde analiz eder ve mühendislik problemlerinin çözümünde etkin biçimde kullanır. | |
| 2) | Bilgisayar Mühendisliği alanında bilimsel yenilikçi tasarımlar için doğru soruları sorar, yenilikçi çalışmayı planlar, uygular, yönetir, dokümante eder. | |
| 3) | Bilgisayar Mühendisliği ile ilgili, alanındaki çalışmaları bağımsız olarak yürütür, derinlemesine inceler, sorumluluk alır ve elde edilen sonuçları eleştirel bir bakış açısıyla değerlendirir. | |
| 4) | Yaptığı araştırma ve projelerin sonuçlarını akademik standartlara uygun biçimde yazılı, sözlü ve görsel olarak etkili bir şekilde sunar. | |
| 5) | Bilgisayar Mühendisliği ile ilgili derin uzmanlık gerektiren konularda bağımsız araştırma yapar, özgün düşünce geliştirir ve bu bilgileri uygulamaya aktarır. | |
| 6) | Bilgisayar Mühendisliğine özgü ileri düzey kuramsal ve uygulamalı bilgileri etkin bir biçimde kullanır. | |
| 7) | Mesleki, bilimsel ve etik değerlere uygun hareket eder; mühendislik uygulamalarının toplumsal, çevresel ve etik etkilerini gözeterek sorumluluk alır. |