Ders Detayı
Ders Tanımı
Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
---|---|---|---|---|---|
SİNİR AĞLARI | SSMY1264090 | Bahar Dönemi | 3+0 | 3 | 8 |
Ders Programı |
Ön Koşul Dersleri | |
Önerilen Seçmeli Dersler |
Dersin Dili | Türkçe |
Dersin Seviyesi | Yüksek 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 modellerini kullanmayı temel alan bilgi işleme tekniklerini ve kontrol algoritmalarını değerlendirmektir. |
Dersin İçeriği | Bu ders; Sinir Sistemi: Mikroskopik Görünüm,Sinir Sistemi: Makroskopik Görünüm,Algılayıcı,Çok katmanlı algılayıcı,Gözetimli Öğrenme,Hodgkin-Huxley Modeli,Izhikevich Modeli,Sinaptik Etkileşim Modelleri,Nöromodülasyon - Pekiştirmeli Öğrenme,Zamanlama – Osilasyonlar,Vuru Üreten Sinir Ağı Benzetimi,Gerçek-zamanlı Vuru Üreten Sinir Ağı Benzetimi,Nöromorfik İşlemciler,Geniş-Ölçekli Sinirsel Ağ Modelleme; konularını içermektedir. |
Dersin Öğrenme Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
Temel nöron ve sinaptik etkileşim modellerini açıklar ve değerlendirir. | 10, 12, 14, 16, 19, 2, 21, 6, 9 | A, E, F |
Sinirsel kodlamaya ilişkin ana kavramları açıklar. | 10, 12, 14, 16, 19, 2, 21, 6, 9 | A, E, F |
Matematiksel modelleme tekniklerini kullanarak biyolojik sinirsel devrelerin dinamiklerini açıklar. | 10, 12, 14, 16, 19, 2, 21, 6, 9 | A, E, F |
Sinir ağı benzetimi için gerekli donanım ve yazılım araçlarını belirler. | 10, 12, 14, 16, 19, 2, 21, 6, 9 | A, E, F |
Mühendislik srounlarını çözmek için yapay sinir ağı kurar. | 10, 12, 14, 16, 19, 2, 21, 6, 9 | A, E, F |
Öğretim Yöntemleri: | 10: Tartışma Yöntemi, 12: Problem Çözme Yöntemi, 14: Bireysel Çalışma Yöntemi, 16: Soru - Cevap Tekniği , 19: Beyin Fırtınası Tekniği, 2: Proje Temelli Öğrenme Modeli, 21: Benzetim/Simülasyon Tekniği, 6: Deneyimle Öğrenme 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 | Hafta 1 ders notları. |
2 | Sinir Sistemi: Makroskopik Görünüm | Hafta 1 ders notları (devamı). |
3 | Algılayıcı | Hafta 3 ders notları. |
4 | Çok katmanlı algılayıcı | Hafta 4 ders notları. |
5 | Gözetimli Öğrenme | Hafta 5 ders notları. |
6 | Hodgkin-Huxley Modeli | Hafta 6 ders notları. |
7 | Izhikevich Modeli | Hafta 7 ders notları. |
8 | Sinaptik Etkileşim Modelleri | Hafta 8 ders notları. |
9 | Nöromodülasyon - Pekiştirmeli Öğrenme | Hafta 9 ders notları. |
10 | Zamanlama – Osilasyonlar | Hafta 10 ders notları. |
11 | Vuru Üreten Sinir Ağı Benzetimi | Hafta 11 ders notları. |
12 | Gerçek-zamanlı Vuru Üreten Sinir Ağı Benzetimi | Hafta 12 ders notları. |
13 | Nöromorfik İşlemciler | Hafta 13 ders notları. |
14 | Geniş-Ölçekli Sinirsel Ağ Modelleme | Hafta 14 ders notları. |
Kaynak |
Alpaydin, E., (2010) Introduction to machine learning, MIT Press,Cambridge. Lytton, W. W., (2002) From computer to brain : foundations of computational neuroscience, Springer, New York. Kandel, E. R., Schwartz, J. H., Jessell, T. M., Siegelbaum, S. A., Hudspeth, A. J. , (2012) Principles of neural science, McGraw-Hill, 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 | Mühendislik alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgiyi değerlendirir, yorumlar ve uygular. | X | |||||
2 | Mühendislikte uygulanan güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgi sahibidir ve mühendisliğin ilişki kurduğu disiplinler arası etkileşimi kavrayabilir. | X | |||||
3 | Analitik, modelleme ve deneysel esaslı araştırmaları tasarlar ve uygular; bu süreçte karşılaşılan karmaşık durumları yorumlar, yeni ve özgün fikirler geliştirerek çözümler. | X | |||||
4 | Sınırlı ya da eksik verileri kullanarak bilimsel yöntemlerle bilgiyi tamamlar ve uygular; değişik disiplinlere ait bilgileri bütünleştirir. | X | |||||
5 | Mühendislik ile ilgili uzmanlık gerektiren bir çalışmayı bağımsız olarak yürütebilir. | ||||||
6 | Çok disiplinli takımlarda liderlik yapar, çözüm yaklaşımları geliştirir ve sorumluluk alır. | ||||||
7 | Mesleğinin yeni ve gelişmekte olan uygulamalarının farkındadır; gerektiğinde bunları inceler ve öğrenir. | X | |||||
8 | Bilimsel bilgi birikimini yazılı ve sözlü olarak etkin bir şekilde ifade eder, en az bir yabancı dilde Avrupa Dil Portföyü B2 Genel Düzeyinde iletişim kurar ve iletişim teknolojilerini ileri düzeyde kullanır. | X | |||||
9 | Mühendislik uygulamalarının sosyal ve çevresel boyutlarını betimler. | ||||||
10 | Verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. | 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 | 10 | 12 | 120 | |||
Okul Dışı Diğer Faaliyetler | 0 | 0 | 0 | |||
Proje Sunumu / Seminer | 0 | 0 | 0 | |||
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) | 232 | |||||
Dersin AKTS Kredisi = Toplam İş Yükü (Saat)/30*=(232/30) | 8 | |||||
Dersin AKTS Kredisi: *30 saatlik çalışma 1 AKTS kredisi sayılmaktadır. |
Dersin Detaylı Bilgileri
Ders Tanımı
Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
---|---|---|---|---|---|
SİNİR AĞLARI | SSMY1264090 | Bahar Dönemi | 3+0 | 3 | 8 |
Ders Programı |
Ön Koşul Dersleri | |
Önerilen Seçmeli Dersler |
Dersin Dili | Türkçe |
Dersin Seviyesi | Yüksek 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 modellerini kullanmayı temel alan bilgi işleme tekniklerini ve kontrol algoritmalarını değerlendirmektir. |
Dersin İçeriği | Bu ders; Sinir Sistemi: Mikroskopik Görünüm,Sinir Sistemi: Makroskopik Görünüm,Algılayıcı,Çok katmanlı algılayıcı,Gözetimli Öğrenme,Hodgkin-Huxley Modeli,Izhikevich Modeli,Sinaptik Etkileşim Modelleri,Nöromodülasyon - Pekiştirmeli Öğrenme,Zamanlama – Osilasyonlar,Vuru Üreten Sinir Ağı Benzetimi,Gerçek-zamanlı Vuru Üreten Sinir Ağı Benzetimi,Nöromorfik İşlemciler,Geniş-Ölçekli Sinirsel Ağ Modelleme; konularını içermektedir. |
Dersin Öğrenme Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
Temel nöron ve sinaptik etkileşim modellerini açıklar ve değerlendirir. | 10, 12, 14, 16, 19, 2, 21, 6, 9 | A, E, F |
Sinirsel kodlamaya ilişkin ana kavramları açıklar. | 10, 12, 14, 16, 19, 2, 21, 6, 9 | A, E, F |
Matematiksel modelleme tekniklerini kullanarak biyolojik sinirsel devrelerin dinamiklerini açıklar. | 10, 12, 14, 16, 19, 2, 21, 6, 9 | A, E, F |
Sinir ağı benzetimi için gerekli donanım ve yazılım araçlarını belirler. | 10, 12, 14, 16, 19, 2, 21, 6, 9 | A, E, F |
Mühendislik srounlarını çözmek için yapay sinir ağı kurar. | 10, 12, 14, 16, 19, 2, 21, 6, 9 | A, E, F |
Öğretim Yöntemleri: | 10: Tartışma Yöntemi, 12: Problem Çözme Yöntemi, 14: Bireysel Çalışma Yöntemi, 16: Soru - Cevap Tekniği , 19: Beyin Fırtınası Tekniği, 2: Proje Temelli Öğrenme Modeli, 21: Benzetim/Simülasyon Tekniği, 6: Deneyimle Öğrenme 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 | Hafta 1 ders notları. |
2 | Sinir Sistemi: Makroskopik Görünüm | Hafta 1 ders notları (devamı). |
3 | Algılayıcı | Hafta 3 ders notları. |
4 | Çok katmanlı algılayıcı | Hafta 4 ders notları. |
5 | Gözetimli Öğrenme | Hafta 5 ders notları. |
6 | Hodgkin-Huxley Modeli | Hafta 6 ders notları. |
7 | Izhikevich Modeli | Hafta 7 ders notları. |
8 | Sinaptik Etkileşim Modelleri | Hafta 8 ders notları. |
9 | Nöromodülasyon - Pekiştirmeli Öğrenme | Hafta 9 ders notları. |
10 | Zamanlama – Osilasyonlar | Hafta 10 ders notları. |
11 | Vuru Üreten Sinir Ağı Benzetimi | Hafta 11 ders notları. |
12 | Gerçek-zamanlı Vuru Üreten Sinir Ağı Benzetimi | Hafta 12 ders notları. |
13 | Nöromorfik İşlemciler | Hafta 13 ders notları. |
14 | Geniş-Ölçekli Sinirsel Ağ Modelleme | Hafta 14 ders notları. |
Kaynak |
Alpaydin, E., (2010) Introduction to machine learning, MIT Press,Cambridge. Lytton, W. W., (2002) From computer to brain : foundations of computational neuroscience, Springer, New York. Kandel, E. R., Schwartz, J. H., Jessell, T. M., Siegelbaum, S. A., Hudspeth, A. J. , (2012) Principles of neural science, McGraw-Hill, 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 | Mühendislik alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgiyi değerlendirir, yorumlar ve uygular. | X | |||||
2 | Mühendislikte uygulanan güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgi sahibidir ve mühendisliğin ilişki kurduğu disiplinler arası etkileşimi kavrayabilir. | X | |||||
3 | Analitik, modelleme ve deneysel esaslı araştırmaları tasarlar ve uygular; bu süreçte karşılaşılan karmaşık durumları yorumlar, yeni ve özgün fikirler geliştirerek çözümler. | X | |||||
4 | Sınırlı ya da eksik verileri kullanarak bilimsel yöntemlerle bilgiyi tamamlar ve uygular; değişik disiplinlere ait bilgileri bütünleştirir. | X | |||||
5 | Mühendislik ile ilgili uzmanlık gerektiren bir çalışmayı bağımsız olarak yürütebilir. | ||||||
6 | Çok disiplinli takımlarda liderlik yapar, çözüm yaklaşımları geliştirir ve sorumluluk alır. | ||||||
7 | Mesleğinin yeni ve gelişmekte olan uygulamalarının farkındadır; gerektiğinde bunları inceler ve öğrenir. | X | |||||
8 | Bilimsel bilgi birikimini yazılı ve sözlü olarak etkin bir şekilde ifade eder, en az bir yabancı dilde Avrupa Dil Portföyü B2 Genel Düzeyinde iletişim kurar ve iletişim teknolojilerini ileri düzeyde kullanır. | X | |||||
9 | Mühendislik uygulamalarının sosyal ve çevresel boyutlarını betimler. | ||||||
10 | Verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. | X |
Değerlendirme Sistemi
Katkı Düzeyi | Mutlak Değerlendirme | |
Ara Sınavın Başarıya Oranı | 50 | |
Genel Sınavın Başarıya Oranı | 50 | |
Toplam | 100 |