Bilgi Paketi & Ders Kataloğu
| 1 | Dersin Adı: | UYGULAMALI SİNİR AĞLARI |
| 2 | Dersin Kodu: | BMB3020 |
| 3 | Dersin Türü: | Seçmeli |
| 4 | Dersin Seviyesi: | Lisans |
| 5 | Dersin Verildiği Yıl: | 3 |
| 6 | Dersin Verildiği Yarıyıl: | 6 |
| 7 | Dersin AKTS Kredisi: | 5 |
| 8 | Teorik Ders Saati (saat/hafta): | 3 |
| 9 | Uygulama Ders Saati (saat/hafta): | 0 |
| 10 | Laboratuar Ders Saati (saat/hafta): | 0 |
| 11 | Dersin Önkoşulu | |
| 12 | Ders İçin Önerilen Diğer Hususlar | Yok |
| 13 | Dersin Dili: | Türkçe |
| 14 | Dersin Veriliş Şekli | Yüz yüze |
| 15 | Dersin Koordinatörü: | Doç. Dr. Metin BİLGİN |
| 16 | Dersi Veren Diğer Öğretim Elemanları: | |
| 17 | Ders Koordinatörünün İletişim Bilgileri: |
Bilgisayar Müh. Bölüm Binası, 1. kat, oda 3 Tel.:+90 (224) 275 52 63 email: metinbilgin at uludag.edu.tr |
| 18 | Dersin Web Adresi: | |
| 19 | 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. |
| 20 | Dersin Mesleki Gelişime Katkısı: | Mühendislik Bilimleri: 70%; Mühendislik Tasarımı: 30% |
| 21 | Ders Öğrenme Kazanımları |
|
| 22 | Dersin İçeriği |
| Hafta | Teori | Uygulama |
| 1 | Neden Yapay sinir Ağları, Biyolojik Temeller | |
| 2 | Uygulama Alanları, Tipik Mimariler, Aktivasyon Fonksiyonları | |
| 3 | McCulloch-Pitts Hücresi | |
| 4 | Örntü Sınıflama için Basit Sinir Ağları, Hebb Ağı | |
| 5 | Perceptron, Adaline, Delta kuralı | |
| 6 | Multilayer Perceptronlar | |
| 7 | Radyal Tabanlı Ağlar | |
| 8 | Gradyan Düşüm, Backpropagation, alternatif varyasyonlar | |
| 9 | Gradyan Düşüm, Backpropagation, alternatif varyasyonlar | |
| 10 | Vektor Kuantalama | |
| 11 | Örüntü ilişkilendirme - Öğrenme Algoritmaları, Associative Ağiar | |
| 12 | Hopfield Ağlar | |
| 13 | Özyinelemeli Ağlar | |
| 14 | Uygulama Örnekleri |
| 23 | Ders Kitabı, Referanslar ve/veya Diğer Kaynaklar: |
1) Prof. Dr. Ercan Öztemel, 2003, “Yapay Sinir Ağları”, Papatya Yayıncılık, 238s. (Ders Kitabı) 2) Prof. Dr. Çetin Elmas, 2007, "Yapay Zeka Uygulamaları", Seçkin Yayıncılık, 425 s. 3) Haykin, Simon, 1998, “Neural Networks: A Comprehensive Foundation (2nd Edition)”, Prentice-Hall, 842p. |
| 24 | Değerlendirme |
| YARIYIL İÇİ ÇALIŞMALARI | SAYISI | KATKI YÜZDESİ |
| Ara Sınav | 1 | 25 |
| Kısa Sınav | 0 | 0 |
| Ödev | 1 | 25 |
| Yıl sonu Sınavı | 1 | 50 |
| Toplam | 3 | 100 |
| Yıl içi çalışmalarının Başarıya Oranı | 50 | |
| Finalin BAşarıya Oranı | 50 | |
| Toplam | 100 | |
| Derste Kullanılan Ölçme ve Değerlendirme Yaklaşımları | Vize ve Final Sınavları | |
| Açıklama | ||
| 25 | AKTS / İŞ YÜKÜ TABLOSU |
| Etkinlik | SAYISI | Süresi [Saat] | Toplam İş Yükü [Saat] |
| Teorik Dersler | 14 | 3 | 42 |
| Uygulamalı Dersler | 0 | 0 | 0 |
| Sınıf Dışı Ders Çalışma Süresi (Ön çalışma, pekiştirme) | 14 | 5 | 70 |
| Ödevler | 1 | 30 | 30 |
| Projeler | 0 | 0 | 0 |
| Arazi Çalışmaları | 0 | 0 | 0 |
| Arasınavlar | 1 | 2 | 2 |
| Diğer | 0 | 0 | 0 |
| Yarıyıl Sonu Sınavları | 1 | 2 | 2 |
| Toplam İş Yükü | 148 | ||
| Toplam İş Yükü / 30 saat | 4,87 | ||
| Dersin AKTS Kredisi | 5 |
| 26 | PROGRAM YETERLİLİKLERİ İLE DERS ÖĞRENİN KAZANIMLARI İLİŞKİSİ TABLOSU | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| ÖK: Öğrenme Kazanımları | PY: Program yeterlilikleri |
| Katkı Düzeyi: | 1 Çok Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 Çok Yüksek |