Ders Detayı
Ders Tanımı
Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
---|---|---|---|---|---|
YAPAY SİNİR AĞLARI | IND3168050 | Güz Dönemi | 3+0 | 3 | 6 |
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 | 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. | 10, 14, 16, 19, 2, 21, 3, 6, 8, 9 | A, E, F |
Çevrimiçi öğrenme algoritması gerçekler. | 10, 14, 16, 19, 2, 21, 3, 6, 8, 9 | A, E, F |
Çok katmanlı algılayıcı kullanarak sınıflandırıcılar geliştirebilir. | 10, 14, 16, 19, 2, 21, 3, 6, 8, 9 | A, E, F |
Regresyon için çok katmanlı sinir ağları tasarlar. | 10, 14, 16, 19, 2, 21, 3, 6, 8, 9 | A, E, F |
Öğretim Yöntemleri: | 10: Tartışma Yöntemi, 14: Bireysel Çalışma Yöntemi, 16: Soru - Cevap Tekniği , 19: Beyin Fırtınası Tekniği, 2: Proje Temelli Öğrenme Modeli, 21: Benzetim/Simülasyon Tekniği, 3: Probleme Dayalı 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 | |
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 |
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 | Matematik, fen bilimleri ve ilgili mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanabilme becerisi | X | |||||
2 | Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi | X | |||||
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 | X | |||||
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 | X | |||||
5 | Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi | X | |||||
6 | Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi | X | |||||
7 | Türkçe 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. | X | |||||
8 | Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi | X | |||||
9 | Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi | X | |||||
10 | Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi | X | |||||
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 | X |
Değerlendirme Sistemi
Katkı Düzeyi | Mutlak Değerlendirme | |
Ara Sınavın Başarıya Oranı | 30 | |
Genel Sınavın Başarıya Oranı | 70 | |
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 | 15 | 75 | |||
Okul 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*=(187/30) | 6 | |||||
Dersin AKTS Kredisi: *30 saatlik çalışma 1 AKTS kredisi sayılmaktadır. |
Dersin Detaylı Bilgileri
Ders Tanımı
Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
---|---|---|---|---|---|
YAPAY SİNİR AĞLARI | IND3168050 | Güz Dönemi | 3+0 | 3 | 6 |
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 | 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. | 10, 14, 16, 19, 2, 21, 3, 6, 8, 9 | A, E, F |
Çevrimiçi öğrenme algoritması gerçekler. | 10, 14, 16, 19, 2, 21, 3, 6, 8, 9 | A, E, F |
Çok katmanlı algılayıcı kullanarak sınıflandırıcılar geliştirebilir. | 10, 14, 16, 19, 2, 21, 3, 6, 8, 9 | A, E, F |
Regresyon için çok katmanlı sinir ağları tasarlar. | 10, 14, 16, 19, 2, 21, 3, 6, 8, 9 | A, E, F |
Öğretim Yöntemleri: | 10: Tartışma Yöntemi, 14: Bireysel Çalışma Yöntemi, 16: Soru - Cevap Tekniği , 19: Beyin Fırtınası Tekniği, 2: Proje Temelli Öğrenme Modeli, 21: Benzetim/Simülasyon Tekniği, 3: Probleme Dayalı 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 | |
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 |
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 | Matematik, fen bilimleri ve ilgili mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanabilme becerisi | X | |||||
2 | Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi | X | |||||
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 | X | |||||
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 | X | |||||
5 | Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi | X | |||||
6 | Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi | X | |||||
7 | Türkçe 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. | X | |||||
8 | Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi | X | |||||
9 | Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi | X | |||||
10 | Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi | X | |||||
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 | X |
Değerlendirme Sistemi
Katkı Düzeyi | Mutlak Değerlendirme | |
Ara Sınavın Başarıya Oranı | 30 | |
Genel Sınavın Başarıya Oranı | 70 | |
Toplam | 100 |