Bilgi Paketi / Ders Kataloğu
Makine Öğrenmesi ve Simülasyon Tabanlı Akıllı Mühendislik Tasarım ve Optimizasyon Sistemleri
Ders Kodu: MME639
Ders Türü: Seçmeli
Ders Grubu: Doktora
Eğitim Dili: İngilizce
Staj Durumu: Yok
Teori: 3
Uyg.: 0
Kredi: 3
Laboratuvar: 0
AKTS: 8
Amaç

Bu dersin amacı, makine öğrenmesi, simülasyon tabanlı modelleme ve optimizasyon yöntemlerini entegre ederek akıllı mühendislik tasarım sistemleri konusunda ileri düzey bilgi kazandırmaktır. Öğrenciler, veri temelli ve fizik tabanlı yaklaşımları birleştirerek karmaşık mühendislik problemlerine yönelik hibrit tasarım çerçeveleri oluşturmayı ve yüksek etki değerine sahip araştırma çıktıları üretmeyi öğrenecektir.

Özet İçerik

İleri mühendislik tasarım sistemleri, simülasyon odaklı modelleme, makine öğrenmesi ile sonlu elemanlar analizinin (FEA) entegrasyonu, hibrit modelleme (fizik tabanlı + veri temelli), surrogate modelleme teknikleri, çok amaçlı optimizasyon, belirsizlik analizi, robust tasarım stratejileri, akıllı sistem mimarileri ve araştırma odaklı tasarım metodolojileri.

Dersi Veren Öğretim Görevlisi/Görevlileri
Öğrenme Çıktıları
1.1. İleri düzey akıllı mühendislik tasarım sistemleri geliştirir
2.2. Makine öğrenmesi ile simülasyon tabanlı mühendislik modellerini entegre eder
3.3. Fizik tabanlı ve veri temelli yaklaşımları birleştiren hibrit modelleme tekniklerini uygular
4.4. Karmaşık mühendislik sistemleri için surrogate modeller oluşturur
5.5. Çok amaçlı optimizasyon problemlerini çözer
6.6. Mühendislik tasarımında belirsizlik ve dayanıklılık analizleri yapar
7.7. Yayın odaklı araştırma metodolojileri geliştirir
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
1.1. Forrester, A., Sobester, A., & Keane, A. (2008). Engineering design via surrogate modelling: a practical guide. John Wiley & Sons.
2.2. Rao, S. S. (2019). Engineering optimization: theory and practice. John Wiley & Sons.
3.3. Géron, A. (2025). Hands-On Machine Learning with Scikit-Learn and PyTorch: Concepts, Tools, and Techniques to Build Intelligent Systems. " O'Reilly Media, Inc.".
Haftalık Ayrıntılı Ders İçeriği
1. Hafta - Teorik
Akıllı mühendislik tasarım sistemlerine giriş
2. Hafta - Teorik
İleri tasarım metodolojileri ve sistem yaklaşımı
3. Hafta - Teorik
Simülasyon tabanlı modelleme çerçeveleri (FEA tabanlı sistemler)
4. Hafta - Teorik
Veri temelli modelleme ve makine öğrenmesi entegrasyonu
5. Hafta - Teorik
Hibrit modelleme: fizik tabanlı + makine öğrenmesi
6. Hafta - Teorik
Surrogate modelleme ve meta-modelleme teknikleri
7. Hafta - Teorik
Çok amaçlı optimizasyon yöntemleri
8. Hafta - Teorik
Ara değerlendirme (araştırma önerisi)
9. Hafta - Teorik
Belirsizlik analizi ve duyarlılık analizi
10. Hafta - Teorik
Robust tasarım optimizasyonu
11. Hafta - Teorik
Karmaşık sistemlerde ML ve simülasyon entegrasyonu
12. Hafta - Teorik
Akıllı sistem mimarileri ve iş akışları
13. Hafta - Teorik
Güncel SCI yayınlarından örnek çalışmalar
14. Hafta - Teorik
Güncel SCI yayınlarından örnek çalışmalar
15. Hafta - Teorik
Güncel SCI yayınlarından örnek çalışmalar
16. Hafta - Dönem Sonu Sınavı (Final)
Dönem sonu sınavı (Final)
Değerlendirme
Değerlendirme TürüAdetYüzde
Ödev5%10
Proje1%10
Ara Sınav (Vize)1%20
Dönem Sonu Sınavı (Final)1%60
İş Yükü Hesaplaması
EtkinlikSayısıÖn HazırlıkSüreToplam Iş Yükü (Saat)
Kuramsal Ders1453112
Ödev57560
Proje110515
Ara Sınav1426
Dönem Sonu Sınavı1426
TOPLAM İŞ YÜKÜ (Saat)199
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
3
3
3
3
4
3
4
3
3
4
3
3
OÇ-2
4
4
4
4
5
4
3
4
4
5
4
4
OÇ-3
3
3
5
4
5
4
4
4
5
5
4
3
OÇ-4
4
5
5
5
4
5
5
5
4
4
5
4
OÇ-5
3
5
5
3
4
4
4
3
3
4
5
4
OÇ-6
OÇ-7
Adnan Menderes Üniversitesi - Bilgi Paketi / Ders Kataloğu
2026