Ders Detayı
Ders Tanımı
Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
---|---|---|---|---|---|
İŞARET İŞLEME İÇİN SİNİR AĞLARI | BEBD1112951 | Güz Dönemi | 3+0 | 3 | 8 |
Ders Programı | Çarşamba 10:00-10:45 Çarşamba 11:00-11:45 Çarşamba 12:00-12:45 |
Ön Koşul Dersleri | |
Önerilen Seçmeli Dersler |
Dersin Dili | İngilizce |
Dersin Seviyesi | Doktora |
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 modellerini kullanmayı temel alan işaret işleme ve desen tanıma tekniklerini değerlendirmektir. |
Dersin İçeriği | Bu ders; Sinir Sistemi: Mikroskopik Görünüm,Sinir Sistemi: Makroskopik Görünüm,Makine Öğrenmesi ve Desen Tanıma,Algılayıcı,Çok Katmanlı Algılayıcı,Gözetimli Öğrenme,Geri Yayılım Algoritması,Bağlanımda Sinir Ağları,Desen Sınıflandırma için Sinir Ağları,Hodgkin-Huxley And Izhikevich Modeli,Sinaptik Etkileşimlerin Matematiksel Modelleri,Nöromodulasyon - Pekiştirmeli Öğrenme,Vuru Temelli Sinir Ağları,Vuru Temelli Sinir Ağı Benzetimi; konularını içermektedir. |
Dersin Öğrenme Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
İşaret işleme ve desen tanıma problemleri için sinir ağları tasarlar. | 10, 14, 16, 17, 19, 2, 21, 6, 9 | A, E, F |
Temel nöron ve sinaptik etkileşim modellerini değerlendirir | 10, 14, 16, 17, 19, 2, 21, 6, 9 | A, E, F |
Sinirsel kodlamaya ilişkin ana kavramları açıklar. | 10, 14, 16, 17, 19, 2, 21, 6, 9 | A, E, F |
Sinir sistemi bileşenlerinin hesaplamalı modellerinde model nöronlarını kullanımını değerlendirir. | 10, 14, 16, 17, 19, 2, 21, 6, 9 | A, E, F |
Regresyon problemleri için sinir ağı tasarlar. | 10, 12, 13, 14, 16, 19, 2, 21, 5, 6, 9 | A, E, F |
Sınıflandırma problemlerini sinir ağı kullanarak çözer. | 10, 12, 14, 16, 19, 2, 21, 5, 8, 9 | A, E, F |
Öğretim Yöntemleri: | 10: Tartışma Yöntemi, 12: Problem Çözme Yöntemi, 13: Örnek Olay Yöntemi, 14: Bireysel Çalışma Yöntemi, 16: Soru - Cevap Tekniği , 17: Deney yapma Tekniği, 19: Beyin Fırtınası Tekniği, 2: Proje Temelli Öğrenme Modeli, 21: Benzetim/Simülasyon Tekniği, 5: İşbirlikli Öğrenme Modeli, 6: Deneyimle Öğrenme Modeli, 8: Ters-yüz Edilmiş Sınıf Modeli, 9: Anlatım Yöntemi |
Ölçme Yöntemleri: | A: Klasik Yazılı Sınav, E: Ödev, F: Proje Görevi |
Ders Akışı
Sıra | Konular | Ön Hazırlık |
---|---|---|
1 | Sinir Sistemi: Mikroskopik Görünüm | |
2 | Sinir Sistemi: Makroskopik Görünüm | |
3 | Makine Öğrenmesi ve Desen Tanıma | |
4 | Algılayıcı | |
5 | Çok Katmanlı Algılayıcı | |
6 | Gözetimli Öğrenme | |
7 | Geri Yayılım Algoritması | |
8 | Bağlanımda Sinir Ağları | |
9 | Desen Sınıflandırma için Sinir Ağları | |
10 | Hodgkin-Huxley And Izhikevich Modeli | |
11 | Sinaptik Etkileşimlerin Matematiksel Modelleri | |
12 | Nöromodulasyon - Pekiştirmeli Öğrenme | |
13 | Vuru Temelli Sinir Ağları | |
14 | Vuru Temelli Sinir Ağı Benzetimi |
Kaynak |
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 | |||
1 | Temel bilimleri, matematik ve mühendislik bilimlerini üst düzeyde anlar ve uygular, alanında en son gelişmeler dahil olmak üzere genişlemesine ve derinlemesine bilgi sahibidir. | X | |||||
2 | Mühendisliğin ilişkili olduğu disiplinler arası etkileşimi kavrar, yeni ve karmaşık fikirleri analiz, sentez ve değerlendirmede uzmanlık gerektiren bilgileri kullanarak özgün sonuçlara ulaşır. | X | |||||
3 | Bir alanda en yeni bilgilere ulaşır ve bunları kavrayarak araştırma yapabilmek için gerekli yöntem ve becerilerde üst düzeyde yeterliğe sahiptir. | X | |||||
4 | Bilime veya teknolojiye yenilik getiren, yeni bir bilimsel yöntem veya teknolojik ürün/süreç geliştiren ya da bilinen bir yöntemi yeni bir alana uygulayan kapsamlı bir çalışma yapar. | X | |||||
5 | Akademik çalışmalarının çıktılarını saygın akademik ortamlarda yayınlayarak bilim ve teknoloji literatürüne katkıda bulunur. | X | |||||
6 | Bilimsel, teknolojik, sosyal ve kültürel gelişmeleri değerlendirerek bilimsel tarafsızlık ve etik sorumluluk bilinciyle topluma aktarır. | X | |||||
7 | Özgün bir araştırma sürecini bağımsız olarak algılar, tasarlar, uygular ve sonuçlandırır; bu süreci yönetir. | X | |||||
8 | Bilimsel bilgi birikimini yazılı ve sözlü olarak etkin bir şekilde ifade eder, en az bir yabancı dilde Avrupa Dil Portföyü C1 Genel Düzeyinde iletişim kurar ve iletişim teknolojilerini ileri düzeyde kullanır | X | |||||
9 | Uzmanlık alanındaki fikirlerin ve gelişmelerin eleştirel analizini, sentezini ve değerlendirmesini yapar. | X | |||||
10 | Mühendislik alanındaki bilimsel, teknolojik, sosyal veya kültürel ilerlemeleri tanıtır, yaşadığı toplumun bilgi toplumu olma ve bunu sürdürebilme sürecine katkıda bulunur ve toplumsal, bilimsel, kültürel ve etik değerlerin gelişimini destekler. | X |
Değerlendirme Sistemi
Katkı Düzeyi | Mutlak Değerlendirme | |
Ara Sınavın Başarıya Oranı | 50 | |
Genel Sınavın Başarıya Oranı | 50 | |
Toplam | 100 |
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 | 20 | 100 | |||
Okul Dışı Diğer Faaliyetler | 0 | 0 | 0 | |||
Proje Sunumu / Seminer | 1 | 30 | 30 | |||
Kısa Sınav (QUİZ) ve Hazırlığı | 0 | 0 | 0 | |||
Ara Sınav ve Hazırlığı | 1 | 30 | 30 | |||
Genel Sınav ve Hazırlığı | 1 | 40 | 40 | |||
Performans Görevi, Bakım Planı | 0 | 0 | 0 | |||
Toplam İş Yükü (Saat) | 242 | |||||
Dersin AKTS Kredisi = Toplam İş Yükü (Saat)/30*=(242/30) | 8 | |||||
Dersin AKTS Kredisi: *30 saatlik çalışma 1 AKTS kredisi sayılmaktadır. |
Dersin Detaylı Bilgileri
Ders Tanımı
Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
---|---|---|---|---|---|
İŞARET İŞLEME İÇİN SİNİR AĞLARI | BEBD1112951 | Güz Dönemi | 3+0 | 3 | 8 |
Ders Programı | Çarşamba 10:00-10:45 Çarşamba 11:00-11:45 Çarşamba 12:00-12:45 |
Ön Koşul Dersleri | |
Önerilen Seçmeli Dersler |
Dersin Dili | İngilizce |
Dersin Seviyesi | Doktora |
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 modellerini kullanmayı temel alan işaret işleme ve desen tanıma tekniklerini değerlendirmektir. |
Dersin İçeriği | Bu ders; Sinir Sistemi: Mikroskopik Görünüm,Sinir Sistemi: Makroskopik Görünüm,Makine Öğrenmesi ve Desen Tanıma,Algılayıcı,Çok Katmanlı Algılayıcı,Gözetimli Öğrenme,Geri Yayılım Algoritması,Bağlanımda Sinir Ağları,Desen Sınıflandırma için Sinir Ağları,Hodgkin-Huxley And Izhikevich Modeli,Sinaptik Etkileşimlerin Matematiksel Modelleri,Nöromodulasyon - Pekiştirmeli Öğrenme,Vuru Temelli Sinir Ağları,Vuru Temelli Sinir Ağı Benzetimi; konularını içermektedir. |
Dersin Öğrenme Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
İşaret işleme ve desen tanıma problemleri için sinir ağları tasarlar. | 10, 14, 16, 17, 19, 2, 21, 6, 9 | A, E, F |
Temel nöron ve sinaptik etkileşim modellerini değerlendirir | 10, 14, 16, 17, 19, 2, 21, 6, 9 | A, E, F |
Sinirsel kodlamaya ilişkin ana kavramları açıklar. | 10, 14, 16, 17, 19, 2, 21, 6, 9 | A, E, F |
Sinir sistemi bileşenlerinin hesaplamalı modellerinde model nöronlarını kullanımını değerlendirir. | 10, 14, 16, 17, 19, 2, 21, 6, 9 | A, E, F |
Regresyon problemleri için sinir ağı tasarlar. | 10, 12, 13, 14, 16, 19, 2, 21, 5, 6, 9 | A, E, F |
Sınıflandırma problemlerini sinir ağı kullanarak çözer. | 10, 12, 14, 16, 19, 2, 21, 5, 8, 9 | A, E, F |
Öğretim Yöntemleri: | 10: Tartışma Yöntemi, 12: Problem Çözme Yöntemi, 13: Örnek Olay Yöntemi, 14: Bireysel Çalışma Yöntemi, 16: Soru - Cevap Tekniği , 17: Deney yapma Tekniği, 19: Beyin Fırtınası Tekniği, 2: Proje Temelli Öğrenme Modeli, 21: Benzetim/Simülasyon Tekniği, 5: İşbirlikli Öğrenme Modeli, 6: Deneyimle Öğrenme Modeli, 8: Ters-yüz Edilmiş Sınıf Modeli, 9: Anlatım Yöntemi |
Ölçme Yöntemleri: | A: Klasik Yazılı Sınav, E: Ödev, F: Proje Görevi |
Ders Akışı
Sıra | Konular | Ön Hazırlık |
---|---|---|
1 | Sinir Sistemi: Mikroskopik Görünüm | |
2 | Sinir Sistemi: Makroskopik Görünüm | |
3 | Makine Öğrenmesi ve Desen Tanıma | |
4 | Algılayıcı | |
5 | Çok Katmanlı Algılayıcı | |
6 | Gözetimli Öğrenme | |
7 | Geri Yayılım Algoritması | |
8 | Bağlanımda Sinir Ağları | |
9 | Desen Sınıflandırma için Sinir Ağları | |
10 | Hodgkin-Huxley And Izhikevich Modeli | |
11 | Sinaptik Etkileşimlerin Matematiksel Modelleri | |
12 | Nöromodulasyon - Pekiştirmeli Öğrenme | |
13 | Vuru Temelli Sinir Ağları | |
14 | Vuru Temelli Sinir Ağı Benzetimi |
Kaynak |
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 | |||
1 | Temel bilimleri, matematik ve mühendislik bilimlerini üst düzeyde anlar ve uygular, alanında en son gelişmeler dahil olmak üzere genişlemesine ve derinlemesine bilgi sahibidir. | X | |||||
2 | Mühendisliğin ilişkili olduğu disiplinler arası etkileşimi kavrar, yeni ve karmaşık fikirleri analiz, sentez ve değerlendirmede uzmanlık gerektiren bilgileri kullanarak özgün sonuçlara ulaşır. | X | |||||
3 | Bir alanda en yeni bilgilere ulaşır ve bunları kavrayarak araştırma yapabilmek için gerekli yöntem ve becerilerde üst düzeyde yeterliğe sahiptir. | X | |||||
4 | Bilime veya teknolojiye yenilik getiren, yeni bir bilimsel yöntem veya teknolojik ürün/süreç geliştiren ya da bilinen bir yöntemi yeni bir alana uygulayan kapsamlı bir çalışma yapar. | X | |||||
5 | Akademik çalışmalarının çıktılarını saygın akademik ortamlarda yayınlayarak bilim ve teknoloji literatürüne katkıda bulunur. | X | |||||
6 | Bilimsel, teknolojik, sosyal ve kültürel gelişmeleri değerlendirerek bilimsel tarafsızlık ve etik sorumluluk bilinciyle topluma aktarır. | X | |||||
7 | Özgün bir araştırma sürecini bağımsız olarak algılar, tasarlar, uygular ve sonuçlandırır; bu süreci yönetir. | X | |||||
8 | Bilimsel bilgi birikimini yazılı ve sözlü olarak etkin bir şekilde ifade eder, en az bir yabancı dilde Avrupa Dil Portföyü C1 Genel Düzeyinde iletişim kurar ve iletişim teknolojilerini ileri düzeyde kullanır | X | |||||
9 | Uzmanlık alanındaki fikirlerin ve gelişmelerin eleştirel analizini, sentezini ve değerlendirmesini yapar. | X | |||||
10 | Mühendislik alanındaki bilimsel, teknolojik, sosyal veya kültürel ilerlemeleri tanıtır, yaşadığı toplumun bilgi toplumu olma ve bunu sürdürebilme sürecine katkıda bulunur ve toplumsal, bilimsel, kültürel ve etik değerlerin gelişimini destekler. | X |
Değerlendirme Sistemi
Katkı Düzeyi | Mutlak Değerlendirme | |
Ara Sınavın Başarıya Oranı | 50 | |
Genel Sınavın Başarıya Oranı | 50 | |
Toplam | 100 |