Geri
AKADEMİK
Geri Dön

Ders Tanımı

Ders Kodu Yarıyıl T+U Saat Kredi AKTS
YAPAY SİNİR AĞLARI 3+0 3 6
Ders Programi Henüz Hazırlanmamıştır.
Ön Koşul Dersleri
Önerilen Seçmeli Dersler
Dersin Dili İngilizce
Dersin Seviyesi Lisans
Dersin Türü Programa Bağlı Seçmeli
Dersin Koordinatörü Dr.Öğr.Üye. Mehmet KOCATÜRK
Dersi Verenler Dr.Öğr.Üye. Mehmet KOCATÜRK
Dersin Yardımcıları
Dersin Amacı Bu dersin amacı hesaplamalı nöron modellerinin makine öğrenmesinde ve sinir sistem bileşenlerinin modellenmesinde kullanımını değerlendirmektir.
Dersin İçeriği Bu ders; Sinir Sistemi: Mikroskopik Görünüm,Sinir Sistemi: Makroskopik Görünüm,Makine Öğrenmesi,Algılayıcı,Çok katmanlı algılayıcı,Gözetimli Öğrenme,Geri Yayılım Algoritması,Çevrimiçi Öğrenme,Yığın Öğrenme,Aşırı uyum,Desen Sınıflandırma için Sinir Ağları,Bağlanımda Sinir Ağları,Nöromodülasyon,Pekiştirmeli Öğrenme; konularını içermektedir.
Dersin Öğrenme Kazanımları Öğretim Yöntemleri Ölçme Yöntemleri
Tek katmanlı algılayıcı tasarlar. 1, 10, 14, 16, 2, 22, 3, 4, 6, 9 A, C, D
Çevrimiçi öğrenme algoritması gerçekler ve algoritmanın öğrenme performansını değerlendirir. 1, 10, 14, 16, 2, 22, 3, 4, 6, 9 A, C, D
Çok katmanlı algılayıcı kullanarak sınıflandırıcılar geliştirebilir. 1, 10, 14, 16, 2, 22, 3, 4, 6, 9 A, C, D
Regresyon için çok katmanlı sinir ağları tasarlar. 1, 10, 14, 16, 2, 22, 3, 4, 6, 9 A, C, D
Öğretim Yöntemleri: 1: Anlatım, 10: Beyin Fırtınası, 14: Bireysel Çalışma, 16: Proje Temelli Öğrenme, 2: Soru - Cevap, 22: probleme dayalı öğrenme, 3: Tartışma, 4: Alıştırma ve Uygulama, 6: Gösterip Yapma, 9: Benzetim
Ölçme Yöntemleri: A: Yazılı sınav, C: Ödev, D: Proje / Tasarım
Haftalık ders konuları ve öğrenim hedefleri için tıklayınız.

Ders Akışı

Sıra Konular Ön Hazırlık
1 Sinir Sistemi: Mikroskopik Görünüm
2 Sinir Sistemi: Makroskopik Görünüm
3 Makine Öğrenmesi
4 Algılayıcı
5 Çok katmanlı algılayıcı
6 Gözetimli Öğrenme
7 Geri Yayılım Algoritması
8 Çevrimiçi Öğrenme
9 Yığın Öğrenme
10 Aşırı uyum
11 Desen Sınıflandırma için Sinir Ağları
12 Bağlanımda Sinir Ağları
13 Nöromodülasyon
14 Pekiştirmeli Öğrenme
Kaynaklar
Alpaydin, E., (2010) Introduction to machine learning, MIT Press,Cambridge. Kandel, E. R., Schwartz, J. H., Jessell, T. M., Siegelbaum, S. A., Hudspeth, A. J. , (2012) Principles of neural science, McGraw-Hill, New York.
Lytton, W. W., (2002) From computer to brain : foundations of computational neuroscience, Springer, New York. Dayan, P., Abbott, L. F., (2001) Theoretical neuroscience: Computational and mathematical modeling of neural systems, MIT Press, Cambridge. Izhikevich, E.M., (2007) Dynamical systems in neuroscience: The geometry of excitability and bursting, MIT Press, Cambridge.

Dersin Program Yeterliliklerine Katkısı

Dersin Program Yeterliliklerine Katkısı
No Program Yeterliliği Katkı Düzeyi
1 2 3 4 5
0
1. Matematik, fen bilimleri ve ilgili mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanabilme becerisi
0
2. Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi
0
3. Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi
0
4. Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi
0
5. Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi
0
6. Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi
0
7. Sözlü ve yazılı etkin iletişim kurma becerisi; en az bir yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi
0
8. Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi
0
9. Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi
0
10. Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi
0
11. Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık

Değerlendirme Sistemi

Değerlendirme Sistemi Mutlak Değerlendirme
Ara Sınavın Başarıya Oranı   30
Genel Sınavın Başarıya Oranı   70
Toplam   100

AKTS - işyükü

AKTS / İşyükü Tablosu
Etkinlik Sayı Süresi
(Saat)
Toplam
İş Yükü
(Saat)
Ders Saati 14 3 42
Rehberli Problem Çözme 0 0 0
Problem Çözümü / Ödev / Proje / Rapor Tanzimi 5 15 75
Oku Dışı Diğer Faaliyetler 0 0 0
Proje Sunumu / Seminer 1 20 20
Kısa Sınav (QUİZ) ve Hazırlığı 0 0 0
Ara Sınav ve Hazırlığı 1 50 50
Genel Sınav ve Hazırlığı 0 0 0
Performans Görevi, Bakım Planı 0 0 0
Toplam İş Yükü (Saat) 187
Dersin AKTS Kredisi = Toplam İş Yükü (Saat)/30*=(48/30) 6
Dersin AKTS Kredisi: *30 saatlik çalışma 1 AKTS kredisi sayılmaktadır.

Sayısal Veriler

Öğrenci Başarı Durumu