|
| Ders Bilgileri |
|
| Dersin Adı |
: |
Introduction to Neural Networks |
|
| Dersin Kodu |
: |
EE-589 |
|
| Dersin Türü |
: |
Seçmeli |
|
| Dersin Aşaması |
: |
İkinci Aşama (Yüksek Lisans) |
|
| Dersin Yılı |
: |
1 |
|
| Dersin Dönemi |
: |
Güz (16 Hafta) |
|
| Dersin AKTS Kredisi |
: |
6 |
|
| Eğitici(ler)nin Adı |
: |
Dr.Öğr. ÜyesiDr. TURGAY İBRİKÇİ
|
|
| Dersin Öğrenme Kazanımları |
: |
Temel sinir ağı mimarisi öğrenmesi
Temel öğrenme algoritmaları öğrenmesi
Veri öncesi ve sonrası işleme anlamak
Sinir ağı modellerinin eğitim, doğrulama ve onaylama öğrenmesi
Mühendislik uygulamalarında Yapay Sinir Ağlarının kullanılması
|
|
| Dersin Veriliş Şekli |
: |
Örgün (Yüz Yüze) |
|
| Dersin Önkoşulları |
: |
Yok |
|
| Ders Hakkında Önerilen Diğer Hususlar |
: |
Yok |
|
| Dersin Amacı |
: |
Sinir ağlarının temel kavramlarını ve ayrıntıları birçok ağ modelleri çalışma. Bu dersi aldıktan sonra, öğrenciler;
sinir ağlarının yapısını, tasarımını, sinir ağlarının eğitimini anlayabilecek ve bunu çeşitli sorunların çözümünde uygulamayabilecek halde olacaktır. |
|
| Dersin İçeriği |
: |
Bu derste, öğrencilere çeşitli sinir ağları modelleri ve algoritmaları tanıtılacaktır. Sinir ağlarının çeşitli uygulamalar, biyoinformatik ve öğrencilerin ilgilendiği özel konular da dahil olmak üzere incelenecektir |
|
| Dersin Dili |
: |
İngilizce |
|
| Dersin Yeri |
: |
Derslik |
|
|
Ders Planı |
| Hafta | Konu | Öğrencinin Ön Hazırlığı | Öğrenme Aktiviteleri ve Öğretme Yöntemleri |
|
1 |
Giriş, Genel Tanımlar |
Ders Notlarının Okunması |
Sunum |
|
2 |
Network yapısı ve Basit Matlab |
Ders Notlarının Okunması |
Sunum |
|
3 |
Rosenblatt´s Perceptron |
Ders Notlarının Okunması |
Sunum |
|
4 |
Çok katmanlı Yapılar |
Ders Notlarının Okunması |
Sunum |
|
5 |
Geri yayılımlı Öğrenme Algoritması |
Ders Notlarının Okunması |
Sunum |
|
6 |
Çekirdek Metotları ve Radial tabanlı Fonksiyon Ağları |
Ders Notlarının Okunması |
Sunum |
|
7 |
Destek Vektör Makinaları |
Ders Notlarının Okunması |
Sunum |
|
8 |
Ara Sınav |
Önceki konuların çalışılması |
Sınav |
|
9 |
Kendi Kendini organize eden Ağlar, Öğrenme Vektörü |
Ders Notlarının Okunması |
Sunum |
|
10 |
Stochastic Methods Rooted in Statistical Mechanics. |
Ders Notlarının Okunması |
Sunum |
|
11 |
Neurodynamics |
Ders Notlarının Okunması |
Sunum |
|
12 |
Bayesian Öğrenme |
Ders Notlarının Okunması |
Sunum |
|
13 |
Tekrarlanan Ağlar |
Ders Notlarının Okunması |
Sunum |
|
14 |
Proje Sunumları - I |
Ders Notlarının Okunması |
Sunum |
|
15 |
Proje Sunumları - II |
Ders Notlarının Okunması |
Sunum |
|
16/17 |
Final Sınavı |
Önceki konuların çalışılması |
Sınav |
|
|
|
Önerilen Kaynak ve Okumalar |
| Kaynak Türü | Kaynak Adı |
| Ders Notu ve Kitaplar |
 Neural Networks and Learning Machines, Simon HAYKIN, Prentice Hall (2008)
|
| |
| Diğer Kaynaklar |
Internet Kaynakları
|
|
|
|
Değerlendirme (Sınav) Yöntemleri ve Kriterleri |
|
Yarıyıl/Yıl İçi Değerlendirmeleri |
Sayısı |
Katkı Yüzdesi |
|
Ara Sınavlar (Yazılı, Sözlü, vs.) |
1 |
20 |
|
Ödev/Proje/Diğer |
4 |
80 |
|
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 |
Uygun bir dil ve tarz ile insanlarla iletişim kurabilme |
3 |
|
2 |
Elektrik-elektronik mühendisliğinin temellerini oluşturan dalların en az birinde, bilgi düzeyini lisans düzeyinin ötesine çıkararak uzmanlaşabilme. |
2 |
|
3 |
Uzmanlaştığı alanın içerdiği tüm konuların birlikte oluşturduğu bütünlüğü kavrayabilme. |
4 |
|
4 |
Uzmanlaştığı alandaki mevcut bilimsel literatüre hakim olabilme ve takip edebilme |
4 |
|
5 |
Alanının, ilişkili olduğu diğer dallarla olan disiplinlerarası etkileşimini kavrayabilme |
4 |
|
6 |
Kuramsal veya deneysel çalışma yapma becerisine sahip olabilme |
5 |
|
7 |
Araştırma sonucunda edinilen bilgileri derleyerek bütünlüklü bir bilimsel metin oluşturabilme |
4 |
|
8 |
Tez konusu üzerinde, danışmanının belirlediği çerçeve içinde, konunun gerektirdiği mantıksal bütünlüğe uygun olarak, programlı bir şekilde çalışabilme. |
5 |
|
9 |
Bilimsel veri tabanlarında literatür araştırması yapabilme; özelde, veri tabanlarını uygun ve doğru şekilde tarama ve listelenen unsurları değerlendirme, kategorize edebilme. |
4 |
|
10 |
Uzmanlık alanında İngilizce olarak yazılmış bir bilimsel metni rahatlıkla okuyup anlayacak düzeyde İngilizce bilme |
3 |
|
11 |
Uzmanlıştığı konudaki bilgileri, bir sunum formatında derleyip, anlaşılır ve etkin bir şekilde sunabilme. |
4 |
|
12 |
Bildiği bir programlama dilinde genelde belirli bir amaca yönelik, özelde uzmanlık alanı ile ilgili olan bir bilgisayar programı yazabilme |
4 |
|
13 |
Mevcut araştırma deneyimine dayanarak yeni konularda da araştırma yapabilme |
2 |
|
14 |
Alanı ile ilgili sorunların çözümlenmesini gerektiren ortamlarda yol gösterici olabilme, insiyatif alabilme |
5 |
|
15 |
Uzmanlık alanı ile ilgili konularda proje, politika, süreç üretebilme ve bu öğeleri değerlendirme |
1 |
| * 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 |
4 |
56 |
|
Sınıf Dışı Ders Çalışma (Ön çalışma, pekiştirme) |
5 |
5 |
25 |
| Değerlendirmeler ile İlgili Çalışmalar |
|
Ödev, Proje, Diğer |
4 |
10 |
40 |
|
Ara Sınavlar (Yazılı, Sözlü, vs.) |
1 |
10 |
10 |
|
Yarıyıl/Yıl Sonu/Final Sınavı |
1 |
20 |
20 |
|
Toplam İş Yükü: | 151 |
| Toplam İş Yükü / 25 (s): | 6.04 |
| Dersin AKTS Kredisi: | 6 |
|
|
|