AKTSUygulamalı Sinir Ağları

Uygulamalı Sinir Ağları (CMPE461) Ders Detayları

Ders Adı Ders Kodu Dönemi Saati Uygulama Saati Laboratuar Hours Kredi AKTS
Uygulamalı Sinir Ağları CMPE461 Seçmeli Dersler 2 2 0 3 5
Ön Koşul Ders(ler)i
MATH275
Dersin Dili İngilizce
Dersin Türü Teknik Seçmeli Dersler
Dersin Seviyesi Lisans
Ders Verilme Şekli Yüz Yüze
Dersin Öğrenme ve Öğretme Teknikleri Anlatım.
Dersin Koordinatörü
Dersin Öğretmen(ler)i
Course Assistants
Dersin Amacı Dersin amacı, sinir ağları yapılarına, öğrenme algoritmalarına ve bunların kullanımına giriş yapmaktır.
Dersin Eğitim Çıktıları Bu dersi başarıyla tamamlayabilen öğrenciler;
  • Sinir ağları kavramlarını ve tekniklerini açıklamak
  • Sinir ağlarının nasıl çalıştıkları hakkında akıl yürütmek
  • Belirli bir uygulamada hangi sinir ağı modelinin uygun olduğunu değerlendirmek
  • Sinir ağları modellerinin iyi ve kötü yönlerini değerlendirmek
  • Sinir ağlarını belirli alanlarda uygulamak
  • Algoritmaların performanslarını artırmak için yapılacak adımları saptamak
Dersin İçeriği Sinir ağlarına giriş, algılayıcı öğrenme kuralları, geri yayılım algoritmaları, genelleme ve gereğinden fazla eğitim, uyabilen lineer filtreler, radyal tabanlı ağlar, özörgütlemeli haritalar, öğrenmeli vektör nicemleme, geribeslemeli ağlar.

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

Hafta Konular Ön Hazırlık
1 Sinir ağlarına giriş Ana ders kitabı Bölüm 1
2 Algılayıcı öğrenme kuralları Bölüm 5.1-5.3
3 Basit algılayıcılarda ve uygulamalarda lineer, lineer olmayan ve stokastik elemanlar Bölüm 5.4-5.7
4 Geri yayılım algoritmaları Bölüm 6.1
5 Geri yayılım algoritmaları ve uygulamalarındaki farklılıklar Bölüm 6.2, 6.3
6 Genelleme ve gereğinden fazla eğitim Bölüm 6.4-6.6
7 Geribeslemeli ağlar Bölüm 7
8 Gözetimsiz öğrenme Bölüm 8.1-8.3
9 Özörgütlemeli haritalar Bölüm 8.4
10 Uyabilen lineer filtreler Bölüm 9.1-9.4
11 Öğrenmeli vektör nicemleme Bölüm 6.3 (Diğer kaynaklar 2)
12 Radyal tabanlı ağlar Bölüm 5 (Diğer kaynaklar 1)
13 Sinir ağlarının uygulamaları Değişik kaynaklar
14 Sinir ağlarının uygulamaları Değişik kaynaklar

Kaynaklar

Ders Kitabı 1. Hertz, Krogh, & Palmer (1991) Introduction to the Theory of Neural Computation. Addison-Wesley.
Diğer Kaynaklar 2. 1. Bishop (2005). Neural Networks for Pattern Recognition. Oxford University Press.
3. 2. Ripley, Ripley, & Hjort (1996). Pattern Recognition and Neural Networks. Cambridge University Press.
4. 3. Haykin (1999). Neural Networks: A Comprehensive Foundation (2nd Edition) Macmillan.
5. 4. Anderson, & Rosenfeld (1998) Neurocomputing: Foundations of Research, MIT Press, Cambridge.
6. 5. Mitchell (1997). Machine Learning, McGraw Hill, New York.

Değerlendirme System

Çalışmalar Sayı Katkı Payı
Devam/Katılım - -
Laboratuar - -
Uygulama - -
Alan Çalışması - -
Derse Özgü Staj - -
Küçük Sınavlar/Stüdyo Kritiği - -
Ödevler 2 10
Sunum - -
Projeler 2 40
Rapor - -
Seminer - -
Ara Sınavlar/Ara Juri 1 20
Genel Sınav/Final Juri 1 30
Toplam 6 100
Yarıyıl İçi Çalışmalarının Başarı Notu Katkısı 70
Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı 30
Toplam 100

Kurs Kategorisi

Temel Meslek Dersleri
Uzmanlık/Alan Dersleri
Destek Dersleri X
İletişim ve Yönetim Becerileri Dersleri
Aktarılabilir Beceri Dersleri

Dersin Öğrenim Çıktılarının Program Yeterlilikleri ile İlişkisi

# Program Yeterlilikleri / Çıktıları Katkı Düzeyi
1 2 3 4 5
1 Matematik, fen bilimleri ve yazılım mühendisliği 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 Yazılım mühendisliği 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 yazılım mühendisliği disiplinine özgü araştırma konularının incelenmesi için, veri toplama, sonuçları analiz etme ve yorumlama becerisi.
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.
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; yazılım mühendisliği uygulamalarında kullanılan standartlar hakkında bilgi.
10 Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi.
11 Yazılım mühendisliği 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.
12 Yazılım alternatiflerini irdeleyerek bilgisayar tabanlı sistemlerin modellenmesi ve tasarımında, algoritma prensiplerini, matematiksel temelleri ve bilgisayar bilimleri teorisini uygulama becerisi. X
13 Yazılım sistemlerinin analiz, tasarım, uygulama, doğrulama, geçerleme ve bakım süreçlerini uygulayarak geliştirilmesinde mühendislik yaklaşımlarını uygulama becerisi. X

ECTS/İş Yükü Tablosu

Aktiviteler Sayı Süresi (Saat) Toplam İş Yükü
Ders saati (Sınav haftası dahildir: 16 x toplam ders saati) 16 4 64
Laboratuar
Uygulama
Derse Özgü Staj
Alan Çalışması
Sınıf Dışı Ders Çalışma Süresi 16 1 16
Sunum/Seminer Hazırlama
Projeler 2 10 20
Raporlar
Ödevler 2 4 8
Küçük Sınavlar/Stüdyo Kritiği
Ara Sınavlara/Ara Juriye Hazırlanma Süresi 1 7 7
Genel Sınava/Genel Juriye Hazırlanma Süresi 1 10 10
Toplam İş Yükü 125