Ders AdıKodu Yerel KrediAKTS Ders (saat/hafta)Uygulama (saat/hafta)Laboratuar (saat/hafta)
Bilgisayar Tabanlı Öğrenen SistemlerMTM463236300
ÖnkoşullarYok
YarıyılBahar
Dersin Diliİngilizce, Türkçe
Dersin SeviyesiLisans
Dersin TürüSeçmeli @ Matematik Mühendisliği Lisans Programı (İngilizce)
Ders KategorisiUzmanlık/Alan Dersleri
Dersin Veriliş ŞekliYüz yüze
Dersi Sunan Akademik BirimMatematik Mühendisliği Bölümü
Dersin Koordinatörü
Dersi Veren(ler)Nilgün Güler Bayazıt
Asistan(lar)ı
Dersin AmacıÖğrencilere karşılaştıkları problemleri modelleyip, çözümleyip, yorumlama yapacak becerinin sağlanması.
Dersin İçeriğiBilgisayar tabanlı öğrenen sistemlere giriş. Eğiticili ve eğiticisiz öğrenme teknikleri. Karar kuramsal sınıflandırma.Yapay sinir ağları ve uygulamaları. Boyut indirgeme ve öznitelik seçimi. Karar ağaçları ve kural türetme. Genetik algoritmalar. Örüntü tanıma uygulamaları.
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
  • Tom Mitchell, “Machine Learning”, McGraw Hill, 1997.
  • Simon Haykin “Neural Networks”, Macmillian College Publishing, 2000.
Opsiyonel Program BileşenleriYok

Ders Öğrenim Çıktıları

  1. Öğrenciler iyi bir programlama beceresi kazanırlar.
  2. Öğrenciler ileride karşılaşacakları problemlerde çözüm üretebilmeleri için gerekli yaratıcılığı kazanırlar.
  3. Öğrenciler akıllı yazılımların nasıl geliştirileceğini öğrenirler.
  4. Öğrenciler öğrendikleri teknikleri ilerde karşılaşacakları projelerde kullanabilirler.

Ders Öğrenim Çıktısı & Program Çıktısı Matrisi

DÖÇ-1DÖÇ-2DÖÇ-3DÖÇ-4
PÇ-1----
PÇ-2----
PÇ-3----
PÇ-4----
PÇ-5----
PÇ-6----
PÇ-7----
PÇ-8----
PÇ-9----
PÇ-10----
PÇ-11----
PÇ-12----
PÇ-13----
PÇ-14----
PÇ-15----
PÇ-16----
PÇ-17----
PÇ-18----
PÇ-19----
PÇ-20----
PÇ-21----
PÇ-22----
PÇ-23----
PÇ-24----
PÇ-25----
PÇ-26----
PÇ-27----
PÇ-28----
PÇ-29----
PÇ-30----

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

HaftaKonularÖn Hazırlık
1Bilgisayar tabanlı öğrenen sistemlere giriş. Ders kitabı 1
2Eğiticili ve eğiticisiz öğrenme teknikleri (Eğiticiz öğrenme. K- ortlamalı, gaussian mixture ve expectation-maksimizasyon algoritması vb.) Ders kitabı 1
3Karar kuramsal sınıflandırma. Ders kitabı 1
4Yapay sinir ağlarına (YSA) giriş: Nöron ağları ile hesaplama ve tarihçesi / Biyolojik sinir ağları ve biyolojik nöron / Nöron modeli / Aktivasyon fonksiyonları Ders kitabı 1
5Ağ topolojileri: İleri beslemeli ve geri beslemeli ağlar. Yapay sinir ağı modelleri: Statik ve dinamik ağlar. Yapay sinir ağlarının eğitilmesi-Eğiticili ve Eğiticisiz öğrenme. Ders kitabı 1
6Öğrenme kuralları: Hebb kuralı, Perceptron kuralı, Delta kuralı, Widrow-Hoff kuralı, Yarışmalı öğrenme kuralı. ADALINE. Perceptron/Ders kitabı 1
7Çok katmanlı ağlar ve geriye yayılma algoritması, genelleştirilmiş Delta kuralıDers kitabı 1
8Ara Sınav 1 / Uygulama veya Konu Tekrarı
9Vize
10Boyut indirgeme ve öznitelik seçimi: sınıf ayrıştırılabilirlik ölçütleri, eniyi öznitelik üretimiDers kitabı 1
11Tek değişkenli karar ağaçları ile kural türetme -ID treeDers kitabı 1
12Çok değişkenli karar ağaçları ile kural türetme-CART AlgoritmasıDers kitabı 1
13Genetik algoritmalarDers kitabı 1
14Genetik algoritmalar ile bilgisayar uygulamaları Ders kitabı 1
15Final

Değerlendirme Sistemi

EtkinliklerSayıKatkı Payı
Devam/Katılım
Laboratuar
Uygulama
Arazi Çalışması
Derse Özgü Staj
Küçük Sınavlar/Stüdyo Kritiği
Ödev
Sunum/Jüri
Projeler140
Seminer/Workshop
Ara Sınavlar120
Final140
Dönem İçi Çalışmaların Başarı Notuna Katkısı
Final Sınavının Başarı Notuna Katkısı
TOPLAM100

AKTS İşyükü Tablosu

EtkinliklerSayıSüresi (Saat)Toplam İşyükü
Ders Saati143
Laboratuar
Uygulama
Arazi Çalışması
Sınıf Dışı Ders Çalışması146
Derse Özgü Staj
Ödev
Küçük Sınavlar/Stüdyo Kritiği
Projeler135
Sunum / Seminer
Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi)12
Final (Sınav Süresi + Sınav Hazırlık Süresi)12
Toplam İşyükü :
Toplam İşyükü / 30(s) :
AKTS Kredisi :
Diğer NotlarYok