Bilgi Paketi / Ders Kataloğu
Yapay Sinir Ağları
Ders Kodu: EEE574
Ders Türü: Bölüm Seçmeli
Ders Grubu: Yüksek Lisans
Eğitim Dili: Türkçe
Staj Durumu: Yok
Teori: 2
Uyg.: 2
Kredi: 3
Laboratuvar: 0
AKTS: 8
Amaç

Öğrencilere Derin Öğrenme’ye dayalı teknikler ile diğer öğrenme yöntemlerini ve pratik uygulamalarını öğretmek; Derin Öğrenmenin bilgisayar mühendisliğindeki, bilgisayar bilimlerindeki ve yapay zeka alanındaki önemini göstermek.

Özet İçerik

Yapay Sinir Ağları Yapay Zeka Makine Öğrenmesi Tek ve Çok Katmanlı Algılayıcılar

Dersi Veren Öğretim Görevlisi/Görevlileri
Doç. Dr. Coşkun DENİZ
Öğrenme Çıktıları
1.Yapay sinir ağları’nın temel kavramlarını, tekniklerini, matematik ve yazılım altyapısını öğrenerek uygulayabilme yeteneği kazanmak.
2.Günümüzde çok kullanılan YSA araçlarını tanımak, kullanabilme yeteneği kazanmak. Yeni programlama dillerinde (Java, C#, python gibi) YSA kütüphaneleri oluşturmak için gerekli temel bilgileri elde etmek. Gerçek yaşamdan Tahminleme, Sınıflandırma ve Tanıma gibi alanlarda projeler geliştirebilmek.
3.Zeki yazılımlar geliştirebilmek; makinelerin nasıl öğrenebildiğini anlamak; Etkin YSA tasarımları yapabilmek.
4.Derin öğrenme alanında gelişen araştırma konularını takip edebilir duruma gelebilmek; Bu konuda kısa seminerler hazırlayarak sunum yapabilmek.
5.Makale okuma ve yazabilme deneyimi kazanmak.
Ders Kitabı / Malzemesi / Önerilen 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 Fo-undation (2nd Edition)”, Prentice-Hall, 842p.
Haftalık Ayrıntılı Ders İçeriği
1. Hafta - Teorik & Uygulama
Dersin gerekçesi ve önemi, Yapay Sinir Ağları’na (YSA) Giriş: YSA Kavramı, YSA’nın Önemi, YSA araçları ve yazılımları, uygulamalar ve İş Alanları
2. Hafta - Teorik & Uygulama
Yapay Zeka (YZ): YZ’nın Tanımı, önemi, amaçları, alt alanları ve konuları, uygulama alanları, çalışma ve araştırma alanları, YZ dilleri
3. Hafta - Teorik & Uygulama
YSA’nın temelleri: Yapay sinir hücresi ve bileşenleri, aktivasyon fonksiyonu türleri, biyolojik sinir hücresi, biyolojik sinir sistemi, insan beyni ile YSA’nın karşılaştırılması
4. Hafta - Teorik & Uygulama
Makine Öğrenmesi (MÖ), öğreticili ve öğreticisiz Öğrenme, YSA ile tahminleme, sınıflandırma ve kümeleme
5. Hafta - Teorik & Uygulama
Tek Katmanlı Algılayıcılar: Perceptron ve ADALINE Örnekleri.
6. Hafta - Teorik & Uygulama
XOR Problemi ve Çok Katmanlı Modellere Duyulan Gereksinim.
7. Hafta - Teorik & Uygulama
Çok Katmanlı Algılayıcılar (MLP).
8. Hafta - Teorik & Uygulama
Gözden geçirme-Ara Sınav
9. Hafta - Teorik & Uygulama
İleri sürümlü ağlar, Python uygulamaları
10. Hafta - Teorik & Uygulama
Geri yayılımlı ağlar ve öğrenmenin matematiksel modellemesi
11. Hafta - Teorik & Uygulama
RBF (Radyal Tabanlı Fonksiyonlar) YSA modeli
12. Hafta - Teorik & Uygulama
LVQ (Learning Vector Quantization) sinir ağları
13. Hafta - Teorik & Uygulama
SOM (Self-Orginizing Maps) Kendi kendine öğrenen sinir ağları
14. Hafta - Teorik & Uygulama
SOM (Self-Orginizing Maps) Kendi kendine öğrenen sinir ağları
Değerlendirme
Değerlendirme TürüAdetYüzde
Ödev3%30
Proje1%70
İş Yükü Hesaplaması
EtkinlikSayısıÖn HazırlıkSüreToplam Iş Yükü (Saat)
Kuramsal Ders1464140
Ödev35530
Proje127330
TOPLAM İŞ YÜKÜ (Saat)200
Program ve Öğrenme Çıktıları İlişkisi
PÇ-1
PÇ-2
PÇ-3
PÇ-4
PÇ-5
PÇ-6
PÇ-7
OÇ-1
3
3
3
3
4
3
4
OÇ-2
4
4
4
3
5
4
3
OÇ-3
3
3
5
5
5
4
3
OÇ-4
3
3
3
3
4
3
4
OÇ-5
4
4
4
4
4
4
4
Adnan Menderes Üniversitesi - Bilgi Paketi / Ders Kataloğu
2026