|
| Ders Bilgileri |
|
| Dersin Adı |
: |
Intelligent Optimization Techniques |
|
| Dersin Kodu |
: |
CENG-568 |
|
| Dersin Türü |
: |
Seçmeli |
|
| Dersin Aşaması |
: |
İkinci Aşama (Yüksek Lisans) |
|
| Dersin Yılı |
: |
1 |
|
| Dersin Dönemi |
: |
Bahar (16 Hafta) |
|
| Dersin AKTS Kredisi |
: |
6 |
|
| Eğitici(ler)nin Adı |
: |
Dr.Öğr. ÜyesiDr. UMUTORHAN
|
|
| Dersin Öğrenme Kazanımları |
: |
Yapay zekada kullanılan optimizasyon tekniklerinin matematiksel temellerini bilir
Sınıflandırma ve kümeleme yöntemlerini uygulayarak bir veri kümesini yorumlar
Bir çalışmayı okuyarak yeni bir akılı optimizasyon tekniğini anlar
Probleme göre bilinen bir tekniği revize eder
|
|
| Dersin Veriliş Şekli |
: |
Örgün (Yüz Yüze) |
|
| Dersin Önkoşulları |
: |
Yok |
|
| Ders Hakkında Önerilen Diğer Hususlar |
: |
Yok |
|
| Dersin Amacı |
: |
Bu derste genetik algoritmalar, yapay sinir ağları, karınca algoritması, destek vektör makinesi ve arama yöntemleri gibi yapay zeka algoritmalarının optimizasyon temelleri ile problem çözümleri üzerine uygulamalar yapılması hedeflenmektedir. |
|
| Dersin İçeriği |
: |
Giriş, kısıtlama belirleme, en küçük kareler optimizasyonu, geleneksel arama yöntemleri ve tabu arama, doğrudan arama ve genetik algoritmalar, benzetimli tavlama, karınca kolonisi optimizasyonu ve sürü zekası, levenberg-marquartd algoritması, doğrusal olmayan programlama ve destek vektör makineleri, entropi tabanlı optimizasyon, kümeleme analizinde optimizasyon, temel bileşenler analiziyle optimizasyon, Matlab uygulamaları ve örnekler. |
|
| Dersin Dili |
: |
İngilizce |
|
| Dersin Yeri |
: |
Derslik |
|
|
Ders Planı |
| Hafta | Konu | Öğrencinin Ön Hazırlığı | Öğrenme Aktiviteleri ve Öğretme Yöntemleri |
|
1 |
Optimizasyona ve makine öğrenmesine giriş |
Ders notlarından ilgili bölümün okunması |
Anlatım ve MATLAB ile uygulamalar |
|
2 |
K-Means kümeleme, K-en yakın komşu ile sınıflama |
Ders notlarından ilgili bölümün okunması |
Anlatım ve MATLAB ile uygulamalar |
|
3 |
Entropi, Karar Ağacı öğrenmesi, ID3 ve C4.5 algoritmaları |
Ders notlarından ilgili bölümün okunması |
Anlatım ve MATLAB ile uygulamalar |
|
4 |
Olasılık ve koşullu olasılık, bayes teoremi, naive bayes |
Ders notlarından ilgili bölümün okunması |
Anlatım ve MATLAB ile uygulamalar |
|
5 |
En küçük kareler optimizasyonu ve doğrusal regresyon |
Ders notlarından ilgili bölümün okunması |
Anlatım ve MATLAB ile uygulamalar |
|
6 |
Yapay sinir ağlarına giriş, perceptron, adaline, en küçük ortalama kareler |
Ders notlarından ilgili bölümün okunması |
Anlatım ve MATLAB ile uygulamalar |
|
7 |
Arasınav |
Sınava hazırlık |
Yazılı sınav |
|
8 |
Levenberg- Marquartd algoritması ve yapay sinir ağları |
Ders notlarından ilgili bölümün okunması |
Anlatım ve MATLAB ile uygulamalar |
|
9 |
Takviyeli Öğrenme, Q-Öğrenme, TD-Öğrenme, öğrenen vektör parçalama ağları, LVQ2, LVQ-X |
Ders notlarından ilgili bölümün okunması |
Anlatım ve MATLAB ile uygulamalar |
|
10 |
Haritalama, çapsal tabanlı fonksiyon ağları |
Ders notlarından ilgili bölümün okunması |
Anlatım ve MATLAB ile uygulamalar |
|
11 |
Lagrange yöntemi ile optimizasyon, destek vektör makineleri |
Ders notlarından ilgili bölümün okunması |
Anlatım ve MATLAB ile uygulamalar |
|
12 |
Boyut azaltma, temel bileşenler analizi, doğrusal ayıraç analizi |
Ders notlarından ilgili bölümün okunması |
Anlatım ve MATLAB ile uygulamalar |
|
13 |
Matlab uygulamaları ve örnekler |
Ders notlarından ilgili bölümün okunması |
MATLAB ile uygulamalar |
|
14 |
Matlab uygulamaları ve örnekler |
Ders notlarından ilgili bölümün okunması |
MATLAB ile uygulamalar |
|
15 |
Proje Sunumları |
Verilen konu hakkında bir sunum hazırlama |
Öğrenci sözlü sunumları |
|
16/17 |
Final Sınavı |
Sınava hazırlık |
Yazılı sınav |
|
|
|
Önerilen Kaynak ve Okumalar |
| Kaynak Türü | Kaynak Adı |
| Ders Notu ve Kitaplar |
 How to Solve It: Modern Heuristics, Z. Michalewicz, D. B. Fogel, Springer, 2004.
Intelligent Optimization Techniques, D.T. Pham, D. Karaboga, Springer, 1999.
Pattern Recognition and Machine Learning, C. M. Bishop, Springer, 2007.
Neural Networks and Learning Machines, S. Haykin, Prentice Hall, 2008.
|
| |
| Diğer Kaynaklar | |
|
|
|
Değerlendirme (Sınav) Yöntemleri ve Kriterleri |
|
Yarıyıl/Yıl İçi Değerlendirmeleri |
Sayısı |
Katkı Yüzdesi |
|
Ara Sınavlar (Yazılı, Sözlü, vs.) |
1 |
50 |
|
Ödev/Proje/Diğer |
2 |
50 |
|
Toplam |
100 |
|
Yarıyıl/Yıl İçi Değerlendirmelerinin Başarıya Katkısı |
40 |
| |
|
Yarıyıl/Yıl Sonu Değerlendirmesi
|
100 |
|
Yarıyıl/Yıl Sonu Değerlendirmesinin Başarıya Katkısı
|
60 |
|
Toplam |
100 |
|
|
| Dersin Temel Öğrenme Kazanımlarına Katkısı |
| No | Temel Öğrenme Kazanımı | Katkısı* |
|
1 |
Bilgisayar mühendisliği alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgiyi değerlendirir, yorumlar ve uygular. |
5 |
|
2 |
Bilgisayar mühendisliği alanında sınırlı ya da eksik verileri kullanarak bilimsel yöntemlerle bilgiyi tamamlar ve uygular; değişik disiplinlere ait bilgileri bütünleştirir. |
5 |
|
3 |
Bilgisayar mühendisliği mesleğinin yeni ve gelişmekte olan uygulamalarının farkında olup, gerektiğinde bunları inceler ve öğrenir |
4 |
|
4 |
Bilgisayar Mühendisliği problemlerini kurgular, çözmek için yöntem geliştirir ve çözümlerde yenilikçi yöntemler uygular. |
5 |
|
5 |
Bilgisayar Mühendisliği alanında yeni ve/veya özgün fikir ve yöntemler geliştirir; sistem, parça veya süreç tasarımlarında yenilikçi çözümler geliştirir. |
4 |
|
6 |
Bilgisayar mühendisliği alanında analitik, modelleme ve deneysel esaslı araştırmaları tasarlar ve uygular; bu süreçte karşılaşılan karmaşık durumları çözümler ve yorumlar. |
5 |
|
7 |
Çok disiplinli takımlarda liderlik yapar, karmaşık durumlarda çözüm yaklaşımları geliştirir ve sorumluluk alır. |
1 |
|
8 |
Bir yabancı dili en az Avrupa Dil Portföyü B2 Genel Düzeyinde kullanarak sözlü ve yazılı iletişim kurar. |
1 |
|
9 |
Çalışmalarının süreç ve sonuçlarını, o alandaki veya alan dışındaki ulusal ve uluslar arası ortamlarda sistematik ve açık bir şekilde yazılı ya da sözlü olarak aktarır. |
3 |
|
10 |
Mühendislik uygulamalarının sosyal ve çevresel boyutlarını betimler. |
1 |
|
11 |
Verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. |
3 |
|
12 |
Bilgisayar mühendisliğinde uygulanan güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgi sahibidir. |
5 |
| * Katkı düzeyleri 0 (yok) ve 5 (en yüksek) arasında ifade edilmiştir. |
|
|
| Öğrenci İş Yükü - AKTS |
| Çalışmalar | Sayısı | Süresi (Saat) | Toplam İş Yükü (Saat) |
| Ders ile İlgili Çalışmalar |
|
Ders (Sınav haftaları dahil değildir) |
14 |
3 |
42 |
|
Sınıf Dışı Ders Çalışma (Ön çalışma, pekiştirme) |
14 |
3 |
42 |
| Değerlendirmeler ile İlgili Çalışmalar |
|
Ödev, Proje, Diğer |
2 |
15 |
30 |
|
Ara Sınavlar (Yazılı, Sözlü, vs.) |
1 |
16 |
16 |
|
Yarıyıl/Yıl Sonu/Final Sınavı |
1 |
20 |
20 |
|
Toplam İş Yükü: | 150 |
| Toplam İş Yükü / 25 (s): | 6 |
| Dersin AKTS Kredisi: | 6 |
|
|
|