Bilgi Paketi / Ders Kataloğu
Yapay Sinir Ağları Yöntemleri
Ders Kodu: BİS525
Ders Türü: Seçmeli
Ders Grubu: Yüksek Lisans
Eğitim Dili: Türkçe
Staj Durumu: Yok
Teori: 3
Uyg.: 0
Kredi: 3
Laboratuvar: 0
AKTS: 3
Amaç

Öğrenciler yapay sinir ağları yöntemlerinin temellerine ve zaman serileri, regresyon, kümeleme, sınıflandırma ve boyut azaltma dahil olmak üzere çeşitli sorunlara bu yöntemlerin uygulanabilirliğine aşina olacaklardır.

Özet İçerik

Regresyon, sınıflandırma, zaman serisi ve boyut indirgeme yöntemlerinin teori ve uygulamaları.

Dersi Veren Öğretim Görevlisi/Görevlileri
Öğrenme Çıktıları
1.Temel yapay sinir ağ modellerini tanımlayabilme
2.Yaygın kullanılan YSA modellerini ve öğrenme algoritmalarını belirli bir uygulama için kullanabilme
3.Eğiticili ve eğiticisiz öğrenme ile genelleme yeteneğinin ilkelerini öğrenme
4.Yapay Sinir Ağlarının avantajları ve kısıtları
5.Yapay sinir ağlarını kullanarak sınıflandırma ve regresyon problemlerinin çözümlerine ilişkin uygulamalar yapabilme
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
1.Zurada, J. M. (1992). Introduction to artificial neural systems (Vol. 8). St. Paul: West publishing company.
2.Haykin, S. S., Haykin, S. S., Haykin, S. S., Elektroingenieur, K., & Haykin, S. S. (2009). Neural networks and learning machines (Vol. 3). Upper Saddle River: Pearson education.
3.Hagan, M. T., Demuth, H. B., Beale, M. H., & De Jesús, O. (1996). Neural network design (Vol. 20). Boston: Pws Pub..
4. Öztemel, E. (2003). Yapay sinir ağlari. PapatyaYayincilik, Istanbul.
Haftalık Ayrıntılı Ders İçeriği
1. Hafta - Teorik
Gerçek ve yapay sinir hücreleri
2. Hafta - Teorik
Yapay sinir ağlarının tarihçesi
3. Hafta - Teorik
Yapay sinir ağlarının kullanım amaçları
4. Hafta - Teorik
Yapay sinir ağlarının yapısı ve temel elemanları
5. Hafta - Teorik
Aktivasyon fonksiyonlarının incelenmesi
6. Hafta - Teorik
Basit algılayıcılar
7. Hafta - Teorik
Çok katmanlı algılayıcılar
8. Hafta - Teorik
Literatür tarama ve tartışma (Ara sınav)
9. Hafta - Teorik
İleri ve geri beslemeli ağlar
10. Hafta - Teorik
Öğrenme algoritmalarına göre yapay sinir ağları
11. Hafta - Teorik
Yapay sinir ağlarının eğitilmesi ve performans ölçüleri
12. Hafta - Teorik
Adaptif rezonans teori (Art) ağları
13. Hafta - Teorik
Geri dönüşümlü ağlar (Elman Ağı) ve diğer yapay sinir ağı modelleri
14. Hafta - Teorik
YSA ile tahminleme, sınıflandırma ve kümeleme.
15. Hafta - Dönem Sonu Sınavı (Final)
Final sınavı
Değerlendirme
Değerlendirme TürüAdetYüzde
Derse Katılım (Performans)1%5
Ödev1%5
Ara Sınav (Vize)1%20
Dönem Sonu Sınavı (Final)1%70
İş Yükü Hesaplaması
EtkinlikSayısıÖn HazırlıkSüreToplam Iş Yükü (Saat)
Kuramsal Ders140342
Ödev1101
Seminer1123
Bireysel Çalışma2024
Kısa Sınav2114
Ara Sınav110212
Dönem Sonu Sınavı110212
TOPLAM İŞ YÜKÜ (Saat)78
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
OÇ-1
3
5
4
4
5
4
3
4
5
4
OÇ-2
OÇ-3
OÇ-4
3
4
4
5
5
5
5
4
5
4
OÇ-5
Adnan Menderes Üniversitesi - Bilgi Paketi / Ders Kataloğu
2026