.png){kind=spacer}
GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS | Kredi |
|---|---|---|---|---|---|---|
| BTT516 | Yapay Zeka ve Uzman Sistemler | Seçmeli Ders Grubu | 1 | 1 | 6.00 | 3.00 |
Dersin Seviyesi
Yüksek Lisans
Dersin Sunulduğu Dil
Türkçe
Dersin Amacı
Yapay Sinir Ağları alanındaki temel problemleri ve çözümlerini öğrenmek.
Dersi Veren Öğretim GörevlisiGörevlileri
Doç. Dr. Murat BEKEN
Öğrenme Çıktıları
| 1 | Öğrenciler ilgili alandaki temel problemleri tanıyabilir |
| 2 | Öğrenci mevcut problem için uygun modelleri oluşturmayı bilir |
| 3 | Öğrenci seçtiği modele uygun çözüm yöntemlerini belirlemeyi bilir |
| 4 | Öğrenciler mevcut araçların kısıtlarını anlayabilir. |
| 5 | Öğrenciler elde ettikleri sonuçları yorumlamayı bilir |
Öğrenim Türü
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Ders İçin Önerilen Diğer Hususlar
Yok
Dersin İçeriği
Temel Yapay Sinir ağı algoritmalarının ve uygulama alanlarının öğrenilmesi, bir problemin bu metotlara uygunluğunun anlaşılması.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik | [OgretimYontemVeTeknikleri] | [OnHazirlik] |
|---|---|---|---|
| 1 | Neden Yapay Sinir Ağları, Biyolojik Temeller | ||
| 2 | Uygulama Alanları, Tipik Mimariler, Aktivasyon Fonksiyonları | ||
| 3 | McCulloch-Pitts Hücresi, Örüntü Sınıflama için Basit Sinir Ağları, Hebb Ağı | ||
| 4 | Perceptron, Adaline, Delta kuralı | ||
| 5 | Multilayer Perceptronlar | ||
| 6 | Radyal Tabanlı Ağlar | ||
| 7 | Ara Sınav | ||
| 8 | Gradyan Düşüm, Backpropagation, alternatif varyasyonlar | ||
| 9 | Vektör Kuantalama | ||
| 10 | Örüntü ilişkilendirme- Öğrenme Algoritmaları, Associative Ağlar | ||
| 11 | Örüntü ilişkilendirme- Öğrenme Algoritmaları, Associative Ağlar | ||
| 12 | Hopfield Ağlar | ||
| 13 | Hopfield Ağlar | ||
| 14 | Final |
Ders Kitabı Malzemesi Önerilen Kaynaklar
Mitchell T., Machine Learning, McGraw Hill, 1997. Artificial Intelligence: A Modern Approach (3rd Edition), Stuart Russell and Peter Norvig. Prentice Hall, 2009. Bayesian Reasoning and Machine Learning, David Barber, Cambridge University Press, 2012. Introduction to Machine Learning (3rd Edition), Ethem Alpaydin, MIT Press, 2014. Machine Learning: A Probabilistic Perspective, Kevin Murphy, MIT Press, 2012. Pattern Recognition and Machine Learning, Christopher Bishop, Springer, 2006.
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | |
Staj Durumu
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 1 | 1 |
| Final Sınavı | 1 | 1 | 1 |
| Derse Katılım | 14 | 3 | 42 |
| Proje Hazırlama | 1 | 10 | 10 |
| Proje Sunma | 1 | 45 | 45 |
| Ara Sınav İçin Bireysel Çalışma | 1 | 15 | 15 |
| Final Sınavı içiin Bireysel Çalışma | 1 | 25 | 25 |
| Toplam İş Yükü (saat) | 139 | ||
Program ve Öğrenme Çıktıları İlişkisi
| PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | PÇ 11 | PÇ 12 | PÇ 13 | PÇ 14 | PÇ 15 | |
| ÖÇ 1 | |||||||||||||||
| ÖÇ 2 | |||||||||||||||
| ÖÇ 3 | |||||||||||||||
| ÖÇ 4 | |||||||||||||||
| ÖÇ 5 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek