AKTS - Uygulamalı Sinir Ağları

Uygulamalı Sinir Ağları (CMPE461) Ders Detayları

Ders Adı Ders Kodu Dönemi Saati Uygulama Saati Laboratuar Hours Kredi AKTS
Uygulamalı Sinir Ağları CMPE461 2 2 0 3 5
Ön Koşul Ders(ler)i
MATH275
Dersin Dili İngilizce
Dersin Türü N/A
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 X
Uzmanlık/Alan Dersleri
Destek Dersleri
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 hesaplama alanlarındaki bilgi birikimini bilişim sistemleriyle ilgili mühendislik problemlerinin çözümüne uygulama becerisi.
2 Bilişim sistemlerine özgü sorunları analiz etme ve modelleme, çözümleri için uygun gereksinimleri belirleme ve tanımlama becerisi.
3 Belirlenen gereksinimleri karşılayacak bir bilişim sistemini, sistem parçasını, işlemi veya programı tasarlama, geliştirme ve değerlendirme becerisi.
4 Bilişim sistemleri mühendislik uygulamaları için modern teknik ve mühendislik araçlarını kullanma becerisi.
5 Bilgi teknolojilerinin ve karar modellerinin etkin kullanımına yönelik olarak veri toplama, analiz etme, yorumlama ve doğru seçimler yapabilme becerisi.
6 Disiplin içi ve disiplinlerarası takımlarda veya bireysel olarak etkin biçimde çalışabilmek için gerekli organizasyonel ve iş yeteneklerini ortaya koyabilme becerisi.
7 Türkçe ve İngilizcede etkin iletişim kurabilme becerisi.
8 Yaşam boyu öğrenmenin gerekliliği bilinci ve bilgiye erişebilme, bilim ve teknolojideki son gelişmeleri takip edebilme ve kendini sürekli yenileme becerisi.
9 Bilişim Sistemleri Mühendisliği alanında mesleki, hukuksal, etik ve sosyal sorunlar hakkında farkındalık ve sorumluluk bilinci.
10 Proje ve risk yönetim becerisi; girişimciliğin, yenilikçilik ve sürdürülebilir kalkınmanın önemi hakkında farkındalık; uluslararası standartların ve yöntemlerin bilinmesi.
11 Karar alırken, bilişim sistemleri mühendisliği uygulamalarının evrensel, çevresel, sosyal ve hukuksal sonuçları konusunda farkındalık.
12 Kamu ve özel sektör kuruluşlarının işlerini daha etkin yapmalarını ve daha rekabetçi olmalarını sağlamak amacıyla, en uygun yazılım ve donanımları biraraya getirerek , uygun personeli ayarlayarak ve gerekli prosedürleri tanımlayarak maliyet etkin bilişim sistemleri tasarlama, geliştirme ve işletme becerisi.
13 Bilişim teknolojilerini kullanarak iş hayatına yönelik sorunları çözme becerisi.

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