GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| YEN6080-22 | YAPAY ZEKAYA GİRİŞ | Ders | 1 | 1 | 6.00 |
Dersin Seviyesi
Yüksek Lisans
Dersin Sunulduğu Dil
Türkçe
[DersinAmaci]
Bu dersin amacı; Yapay zeka ve Nöron Ağları Kavramlarının öğrenilmesi ve kullanım ortamlarının geliştirilmesidir. Ayrıca Öğrencilere makine öğrenmesinin kavramlarını ve algoritmalarını öğretmektir. Makine öğrenmesi algoritmaların limitlerinini, yetenekleri ve uygulama alanlarını öğretilecektir.
Dersi Veren Öğretim Görevlisi / Görevlileri
Dr. Öğr. Üyesi Kerem Erzurumlu
Öğrenme Çıktıları
| 1 | Nöron Ağları temel kavramları |
| 2 | Nöron Ağları topolojileri |
| 3 | Nöron Ağları Benzetim ortamları, |
| 4 | Nöron Ağları Uygulamaları, |
Öğrenim Türü
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Bulunmamaktadır
Ders İçin Önerilen Diğer Hususlar
Bulunmamaktadır
Dersin İçeriği
Nöron Ağlarının temel bileşenleri, topolojileri, öğrenme algoritmaları, sınıflandırılmaları. Tek katmanlı perceptron sınıflandırıcılar, Çok katmanlı ileri bilgi akışlı ağlar, Tek katmanlı geribildirimli ağlar, Associative bellekler, Gözetimli ve gözetimsiz öğrenme teknikleri. Nöron ağ uygulamaları. Makine öğrenmesinin önemli kavramları ve algoritmaları. Makine öğrenmesi algoritmalarının yetenekleri ve sınırları. Makine öğrenmesi algoritmalarının uygulama alanları. Yönetmeli ve yönetmesiz öğrenme yöntemleri. Özellik seçimi, boyut azaltması ve model seçimi. ,
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik | Uygulama | Laboratuvar |
|---|---|---|---|
| 1 | Nöron Ağlarında temel kavramlar. | ||
| 2 | Nöron Ağları Topolojileri. | ||
| 3 | Nöron Ağları Benzetim ortamları | ||
| 4 | Yapay Sinir Ağ uygulamaları ile gerçekleştirim. | ||
| 5 | Makine öğrenmesine giriş. | ||
| 6 | Basit kavram öğrenmesi. | ||
| 7 | Karar verme ağaçları öğrenmesi. | ||
| 8 | OpenCV | ||
| 9 | OpenAI | ||
| 10 | Tensorflow | ||
| 11 | Proje Sunumları | ||
| 12 | Proje Sunumları | ||
| 13 | Proje Sunumları | ||
| 14 | Genel sınava hazırlık | ||
| 15 | Genel sınav |
Ders Kitabı Malzemesi Önerilen Kaynaklar
1. Jadek M. Zurada, Introduction to Artificial Neural Systems, Jaico Publishing House, 2012. 2. Simon Haykin, Neural Networks and Learning Machines, Prentice Hall, 2008 3. Mitchell T., Machine Learning, McGraw Hill, 1997 4. Alpaydın E., Introduction to Machine Learning, The MIT Press, 2004.
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | 50 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 50 | |
Staj Durumu
Bulunmamaktadır
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 2 | 2 |
| Final Sınavı | 1 | 2 | 2 |
| Derse Katılım | 15 | 3 | 45 |
| Soru-Yanıt | 15 | 2 | 30 |
| Proje Hazırlama | 1 | 20 | 20 |
| Makale Yazma | 1 | 15 | 15 |
| Bireysel Çalışma | 15 | 2 | 30 |
| Ara Sınav İçin Bireysel Çalışma | 1 | 8 | 8 |
| Final Sınavı içiin Bireysel Çalışma | 1 | 15 | 15 |
| Toplam İş Yükü (saat) | 167 | ||
Program ve Öğrenme Çıktıları İlişkisi
| [PC] 1 | [PC] 2 | [PC] 3 | [PC] 4 | [PC] 5 | [PC] 6 | [PC] 7 | [PC] 8 | [PC] 9 | [PC] 10 | |
| [OC] 1 | 5 | |||||||||
| [OC] 2 | 5 | |||||||||
| [OC] 3 | 5 | |||||||||
| [OC] 4 | 5 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek