Marmara Üniversitesi
Marmara Üniversitesi Eğitim-Öğretim Bilgi Sistemi

Programlar Hakkında Bilgi

Lisans - Teknoloji Fakültesi - Bilgisayar Mühendisliği

Müfredat Adı Ders Kodu Ders Adı Ders Türü Dönem AKTS Teorik Uygulama
Bilgisayar Mühendisliği - 2014 BLM3053 Yapay Sinir Ağları Seçmeli 5 4,00 2 2

Dersin İçeriği

Dersin Amacı

• Öğrencilere Yapay Sinir Ağları’na dayalı teknikler ile diğer öğrenme yöntemlerini ve pratik uygulamalarını öğretmek • Yapay Sinir Ağlarının bilgisayar mühendisliğindeki, bilgisayar bilimlerindeki ve yapay zeka alanındaki önemini göstermek

Öğrenim Türü

-

Dersin İçeriği

Yapay Sinir Ağlarına Giriş,Yapay Sinir Hücresi, Yapay Sinir Ağlarının Yapısı ve Temel Elemanları,Yapay Sinir Ağı Araçları (Matlab, JOONE, …),Makine Öğrenmesi, Öğreticili, Destekleyici ve Öğreticisiz Öğrenme,Tek Katmanlı Algılayıcılar, Çok Katmanlı Algılayıcılar (MLP),Diğer Yapay Sinir Ağı Modelleri (LVQ, SOM, ART, …),Yapay Sinir Ağlarının Uygulama Alanları, Nesne Tanıma,Bulanık Mantık, Genetik Algoritmalar

Planlanan Öğrenme Aktiviteleri ve Metodları

Anlatım, görsel video, materyal örnekleri ve ödev

Staj Durumu

Yok

Dersin Sunulduğu Dil

Türkçe

Ders Kitabı / Malzemesi / Önerilen Kaynaklar

1. Prof. Dr. Ercan Öztemel, Yapay Sinir Ağları, Papatya Yayıncılık, ISBN: 975-67-97-39-8, 2006 2. S. Haykin, Neural Networks and Learning Machines, Pearson Education, 3rd Ed., 2009, ISBN13 9780131293762 ISBN10 0131293761 3. J. M. Zurada, Int. To Artificial Neural Systems, West Publishing Company, 1992 ISBN 053495460X, 9780534954604.

Dersin Web Sayfası

Yok

Öğrenme Çıktıları

  • Yapay sinir ağını bilir.
  • Temel yapay sinir ağ modellerini tanır.
  • Yapay sinir ağlarını gerçek sınıflandırmayı bilir.
  • Örüntü tanıma, işaret işleme ve kontrol problemlerine uygularken pratik problemleri bilir.
  • MATLAB ve onun Yapay Sinir Ağ Aracını kullanarak temel YSA modellerini ve algoritmalarını bilir.

Haftalık Ayrıntılı Ders İçeriği

Hafta Teorik
1 Yapay Sinir Ağlarına Giriş
2 Yapay Sinir Hücresi
3 Yapay Sinir Ağlarının Yapısı ve Temel Elemanları
4 Yapay Sinir Ağı Araçları (Matlab, JOONE, …)
5 Makine Öğrenmesi
6 Öğreticili, Destekleyici ve Öğreticisiz Öğrenme
7 Tek Katmanlı Algılayıcılar
8 Ara Sınav Haftası
9 Çok Katmanlı Algılayıcılar (MLP)
10 Diğer Yapay Sinir Ağı Modelleri (LVQ, SOM, ART, …),
11 Yapay Sinir Ağlarının Uygulama Alanları
12 Nesne Tanıma
13 Bulanık Mantık
14 Genetik Algoritmalar
15 Derin Öğrenme
16 Ders Çalışma Haftası
17 Yarı Yıl Sonu Sınavı

Değerlendirme

Değerlendirme Değer
Yarıyıl (Yıl) İçi Etkinlikleri 50
Yarıyıl (Yıl) Sonu Etkinlikleri 50
Yarıyıl (Yıl) Sonu Etkinlikleri Değer
Final Sınavı 100

Öğrenci İş Yükü Hesabı

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat)
Ders Öncesi/Sonrası Bireysel Çalışma 14 2 28
Proje ve Hazırlığı 0 0 0
Ödev ve Hazırlığı 1 12 12
Laboratuvar ve Hazırlığı 14 2 28
Atölye ve Hazırlığı 0 0 0
Sunum ve Hazırlığı 0 0 0
Seminer ve Hazırlığı 0 0 0
Demo ve Hazırlığı 0 0 0
Araştırma ve Hazırlığı 0 0 0
Rapor ve Hazırlığı 0 0 0
Arasınav ve Hazırlığı 1 12 12
Kısa Sınav ve Hazırlığı 0 0 0
Final ve Hazırlığı 1 12 12
Teorik Ders Saati 0 0 0
Uygulama Ders Saati 0 0 0

Program ve Öğrenme Çıktıları İlişkisi

ÖÇ1
ÖÇ2
ÖÇ3
ÖÇ4
ÖÇ5