Mühendislik uygulamaları için gerekli olan modern teknik ve araçları seçer ve kullanır; bilişim teknolojilerini ve en az bir bilgisayar yazılımını (Avrupa Bilgisayar Kullanma Lisansı İleri Düzeyinde) etkin biçimde kullanır
x
5
Deney tasarlar, deney yapar, veri toplar, sonuçları analiz eder ve yorumlar
x
6
Bilgiye erişir ve bu amaçla kaynak araştırması yapar, veri tabanları ve diğer bilgi kaynaklarını kullanır
x
7
Bireysel olarak ve çok disiplinli takımlarda etkin çalışır, sorumluluk alır
x
8
Türkçe sözlü ve yazılı etkin iletişim kurar; Avrupa Dil Portföyü B1 genel düzeyinde en az bir yabancı dil bilgisine sahiptir
x
9
Yaşam boyu öğrenmenin gerekliliği bilincindedir; bilim ve teknolojideki gelişmeleri izler ve kendini sürekli yeniler
Proje yönetir, işyeri uygulamaları, çalışanların sağlığı, çevre ve iş güvenliği konularında bilinç sahibidir; mühendislik uygulamalarının hukuksal sonuçlarının farkındadır
x
12
Mühendislik çözümlerinin ve uygulamalarının evrensel ve toplumsal boyutlardaki etkilerinin bilincindedir; girişimcilik ve yenilikçilik konularının farkındadır ve çağın sorunları hakkında bilgi sahibidir
x
Yapay Sinir Ağları
Ders
Yapay Sinir Ağları
Kod
BLG318
Course
Artificial neural networks
Code
BLG318
Krediler
Teori: 3
Uygulama: 0
Kredi: 3
AKTS: 4
İçerik
Sanal sinir sistemleri, tek kat preceptorlar, çok katlı ileri besleme ağları, tek katlı besleme ağları, bağımlı hafızalar, uyumlu ve self organizeli ağlar, sinirsel algoritma uygulamaları, sinir ağları kullanımlarını içermektedir.
İngilizce İçerik
Virtual nervous systems include single layer preceptors, multi-layer feed networks, single layer feed networks, dependent memories, compatible and self organizing networks, neural algorithm applications, neural networks.
Değerlendirme_ve_Puanlama'>Ön Koşul
Yok
Ölçme Değerlendirme ve Puanlama
Yıl içinin ortalamaya katkısı: %40 Finalin Ortalamaya Katkısı: %60 Yıl içi notu %100: (1 Ara sınav %100)
Eğitim Öğretim Metotları
1,3,4,8,16
Haftalık Ders Konuları
1.Hafta
Desen tanıma görevleri ve yöntemleri
2.Hafta
Sinir ağının biyolojik yapısı, tarihçesi, terminoloji, modeller, basit öğrenme kuralları
3.Hafta
Hata düzeltme öğrenme, bellek tabanlı öğrenme, Hebb öğrenme
4.Hafta
Geri yayılım algoritması, özel veya problem, öznitelik bulma, hessian matris
5.Hafta
Geri yayılım algoritması, özel veya problem, öznitelik bulma, hessian matris
6.Hafta
Örüntü ilişkili ağların analizi, model sınıflandırma ağlarının analizi
7.Hafta
Kalman filtresi, zamanla yayılır, durum uzayı modeli
8.Hafta
Vize Haftası
9.Hafta
Kalman filtresi, zamanla yayılır, durum uzayı modeli
Entropi, maksimum entropi prensibi, halka açık bilgiler, Kullback-Leibler yakınsaklığı, enformasyon, en yüksek olasılık kestirimi, maksimum entropi yöntemi
12.Hafta
İstatistiksel mekanik, Markov zincirleri, metropolis algoritması, benzetimli ta vlama, Gibbs örneklemesi, Boltzmann makinesi, sigmoid inanç ağları, Helmholtz makinesi, ortalama alan teorisi
13.Hafta
Kısa ömürlü bellek yapıları, zamansal işlem için ağ mimarileri, odaklanmış zaman gecikmeli ücretli ağlar, zamansal geri yayılım algoritması
14.Hafta
Doğrudan uygulamalar, uygulama alanları
Final Dönemi ve Genel Değerlendirme
Yapay Sinir Ağları
Değerlendirme
Program Öğrenme Çıktıları
1
2
3
4
5
1
Matematik, fen bilimleri ve kendi dalları ile ilgili mühendislik konularında yeterli altyapıya sahiptir; bu alanlardaki kuramsal ve uygulamalı bilgileri Bilgisayar Mühendisliği çözümleri için beraber kullanır,
x
2
Bilgisayar Mühendisliği problemlerini saptar, tanımlar, formüle eder ve çözer; bu amaçla uygun analitik yöntemler ile modelleme tekniklerini seçer ve uygular
x
3
Bir sistemi, sistem bileşenini ya da süreci analiz eder ve istenen gereksinimleri karşılamak üzere gerçekçi kısıtlar altında tasarlar; bu doğrultuda modern tasarım yöntemlerini uygular,
x
4
Mühendislik uygulamaları için gerekli olan modern teknik ve araçları seçer ve kullanır; bilişim teknolojilerini ve en az bir bilgisayar yazılımını (Avrupa Bilgisayar Kullanma Lisansı İleri Düzeyinde) etkin biçimde kullanır
x
5
Deney tasarlar, deney yapar, veri toplar, sonuçları analiz eder ve yorumlar
x
6
Bilgiye erişir ve bu amaçla kaynak araştırması yapar, veri tabanları ve diğer bilgi kaynaklarını kullanır
x
7
Bireysel olarak ve çok disiplinli takımlarda etkin çalışır, sorumluluk alır
x
8
Türkçe sözlü ve yazılı etkin iletişim kurar; Avrupa Dil Portföyü B1 genel düzeyinde en az bir yabancı dil bilgisine sahiptir
x
9
Yaşam boyu öğrenmenin gerekliliği bilincindedir; bilim ve teknolojideki gelişmeleri izler ve kendini sürekli yeniler
x
10
Mesleki ve etik sorumluluk bilincine sahiptir
x
11
Proje yönetir, işyeri uygulamaları, çalışanların sağlığı, çevre ve iş güvenliği konularında bilinç sahibidir; mühendislik uygulamalarının hukuksal sonuçlarının farkındadır
x
12
Mühendislik çözümlerinin ve uygulamalarının evrensel ve toplumsal boyutlardaki etkilerinin bilincindedir; girişimcilik ve yenilikçilik konularının farkındadır ve çağın sorunları hakkında bilgi sahibidir
x
Uzman Sistemler
Ders
Uzman Sistemler
Kod
BLG320
Course
Expert Systems
Code
BLG320
Krediler
Teori: 3
Uygulama: 0
Kredi: 3
AKTS: 4
İçerik
Uzman sistemler diğer gerçek yapay zeka uygulamaları içinde daha çok yer tutmaktadır. Bu derste bir uzman sisteminin temelleri ve uzman sistemin parçaları detaylı sunulacaktır. Öğrenciler uzman sistemleri kuramını ve bir uzman sistem tasarımını öğrenecektir.
İngilizce İçerik
Expert systems take up more space in other real artificial intelligence applications. The basis of this expert system and the parts of the expert system will be presented in detail. Students will learn the theory of expert systems and the design of an expert system.
