Bilgi Paketi / Ders Kataloğu
Fizikte Makine Öğrenmesi ve Yapay Zekâ
Ders Kodu: FİZ210
Ders Türü: Bölüm Seçmeli
Ders Grubu: Lisans
Eğitim Dili: Türkçe
Staj Durumu: Yok
Teori: 3
Uyg.: 0
Kredi: 3
Laboratuvar: 0
AKTS: 4
Amaç

Fiziksel problemlerde makine öğrenmesi, yapay zekâ ve optimizasyon yöntemlerini tanıtmak ve uygulamak.

Özet İçerik

Python ile veri analizi, makine öğrenmesi, optimizasyon yöntemleri ve fiziksel problemlere yapay zekâ uygulamaları

Dersi Veren Öğretim Görevlisi/Görevlileri
Dr. Öğr. Üyesi Arash MOBARAKI
Öğrenme Çıktıları
1.Yapay zekâ ve makine öğrenmesinin temel kavramlarını tanımlayabilmeli.
2.Python programlama dilini bilimsel veri analizi ve görselleştirme için kullanabilmeli.
3.Temel makine öğrenmesi algoritmalarını (regresyon, sınıflandırma, kümeleme) uygulayabilmeli.
4.Optimizasyon kavramlarını ve küresel optimizasyon yöntemlerini (ör. PSO) fiziksel problemlerde kullanabilmeli.
5.Yapay sinir ağlarını anlayarak fiziksel veriler üzerinde temel uygulamalar gerçekleştirebilmeli.
6.Fiziksel problemlere uygun veri temelli yaklaşımlar geliştirerek modelleme ve öngörüler yapabilmeli.
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
1.Machine Learning for Physics and Astronomy (Viviana Acquaviva)
2.Introduction to Machine Learning with Python (Andreas C. Müller, Sarah Guido)
3.Python ile Makine Öğrenmesi (Ömer Deperlioğlu, Utku Köse)
Haftalık Ayrıntılı Ders İçeriği
1. Hafta - Teorik
Yapay zekâ ve makine öğrenmesine giriş
2. Hafta - Teorik
Matematik Temeli: Vektör, Matris, Türev, Gradyan
3. Hafta - Teorik
Python ve Bilimsel Hesaplama Temelleri I
4. Hafta - Teorik
Python ve Bilimsel Hesaplama Temelleri II
5. Hafta - Teorik
Makine Öğrenmesine (MÖ) Giriş
6. Hafta - Teorik
Regresyon ve Sınıflandırma
7. Hafta - Teorik
Model Doğruluğu ve Test Etme
8. Hafta - Teorik
Konu tekrarı (Ara sinav)
9. Hafta - Teorik
Fizik Uygulaması: Moleküler Dinamik ve Potansiyeller
10. Hafta - Teorik
Optimizasyon Kavramları
11. Hafta - Teorik
MÖ ile Kuvvet Alanı Öğrenme
12. Hafta - Teorik
Küresel Optimizasyon Yöntemleri
13. Hafta - Teorik
Yapay Sinir Ağları ve PyTorch
14. Hafta - Teorik
Zaman Serileri ve Fizikte Sıralı Veri Modellemesi
Değerlendirme
Değerlendirme TürüAdetYüzde
Ara Sınav (Vize)1%20
Dönem Sonu Sınavı (Final)1%50
Ödev5%30
İş Yükü Hesaplaması
EtkinlikSayısıÖn HazırlıkSüreToplam Iş Yükü (Saat)
Kuramsal Ders141356
Ödev50210
Ara Sınav112214
Dönem Sonu Sınavı118220
TOPLAM İŞ YÜKÜ (Saat)100
Program ve Öğrenme Çıktıları İlişkisi
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
OÇ-1
1
1
1
1
3
5
3
2
3
5
1
2
1
4
OÇ-2
4
5
2
4
3
5
3
2
3
5
1
3
4
4
OÇ-3
4
5
3
5
3
5
3
2
3
5
1
3
3
4
OÇ-4
1
4
4
4
3
5
3
2
3
5
1
2
1
4
OÇ-5
4
5
4
4
3
5
4
2
3
5
1
3
3
4
OÇ-6
3
4
3
3
3
5
4
2
3
5
1
3
3
4
Adnan Menderes Üniversitesi - Bilgi Paketi / Ders Kataloğu
2026