DERS ADI

: HESAPLAMALI ZEKAYA GİRİŞ

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS
IND 4919 HESAPLAMALI ZEKAYA GİRİŞ SEÇMELİ 3 0 0 4

Dersi Veren Birim

Endüstri Mühendisliği

Dersin Düzeyi

Lisans

Ders Koordinatörü

DOÇ.DR. ŞENER AKPINAR

Dersi Alan Birimler

Endüstri Mühendisliği

Dersin Amacı

Bu dersin amacı, yazılımsal hesaplama tekniklerini tanıtmak ve evrimsel hesaplamalar, yapay sinir ağları ve bulanık mantık yardımıyla, gerçek karmaşık problemleri modelleyebilmek ve çözebilmek.

Dersin Öğrenme Kazanımları

1   Bulanık küme teorisi, yapay sinir ağları ve evrimsel algoritmaların temel içerik ve felsefesini tanımlayabilme becerisi
2   Gerçek hayat problemlerindeki belirsizlikleri dikkate alan bulanık matematiksel modelleri, LINGO, ILOG OPL gibi optimizasyon araçları ile çözebilme ve türetme becerisi,
3   Bulanık mantık ve Yapay sinir ağları araç kutuları gibi temel hesapsal zekayla ilgili olan MATLAB araç kutularını kullanabilme becerisi,
4   Endüstri mühendisliğinin temel optimizasyon problemlerinde metasezgisel algoritmaları kodlayabilmek ve uygulayabilmek için MATLAB kullanma becerisi,
5   Öğrencilere, karmaşık mühendislik problemlerini hesapsal zeka kullanarak çözebilme becerisi kazandırmak.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama
1 Bulanık kümelere giriş ve işlemleri
2 Dilsel değişkenler & Üyelik Fonksiyonları
3 Bulanık sınıflandırma ve Kümeleme Yöntemleri
4 Bulanık Matematiksel Programlama & Bulanık Kural Tabanlı Sistemler
5 Neurocomputing Tanımı ve Temek İçerikleri
6 Mapping ve Self-Organizing Ağlar ve Öğrenme Algoritmaları
7 Sinir Ağları Kullanan İstatistiksel Metotlar
8 Ara Sınav
9 Optimizasyon Problemleri için Sinir Ağları
10 Arama Sezgiselleri & Metasezgisellere Giriş
11 Çözüm Oluşturma ve Modifikasyon Tabanlı Metasezgiseller
12 Çözüm Birleştirme Tabanlı Metasezgiseller: Genetik Algoritmalar
13 Metasezgisel Algoritmaların Çizelgeleme ve Lojistik Uygulamaları
14 Dönem Sonu Proje Sunumları

Ders İçin Önerilen Kaynaklar

Textbook(s): An Introduction to Fuzzy Sets, Witold Pedrycz, Fernando Gomide, Massachusetts Institute of Technology, USA, 1998.
Neural Fuzzy Systems, Chin-Teng Lin, C.S. George Lee, Prentice Hall, New Jersey 1996.
Fuzzy Logic with Engineering Applications, Timothy J. Ross, Wiley, 2010.
Principles of Neurocomputing for science & Engineering, Fredrick M Ham, Ivica Kostanic, McGraw Hill, 2001.
Metaheuristic Search Concepts: A Tutorial with Applications to Production and Logistics, G. Zapfel, R. Braune, M. Bögl, Springer, 2010.

Öğrenme ve Öğretme Yöntemleri

Ders içeriği ile ilgili olarak çeşitli kaynaklar (Kitaplar, bilimsel makale ve tebliğler) kullanılarak hazırlanmış ders sunumları ve tahta kullanılarak verilecektir.

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL
1 ODV Proje/Ödev
2 FN Final
3 BNS BNS ODV * 0.50 + FN * 0.50
4 BUT Bütünleme Notu
5 BBN Bütünleme Sonu Başarı Notu ODV * 0.50 + BUT * 0.50


*** Bütünleme Sınavı Yapılmayan Birimlerde Bütünleme Kriteri Dikkate Alınmaz.

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

İlan Edilecektir.

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

Prof. Dr. Adil BAYKASOĞLU, adil.baykasoglu@deu.edu.tr Tel: 232-3017600

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

Perşembe ve Cuma öğleden sonra

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat)
Ders Anlatımı 14 3 42
Haftalık Ders öncesi/sonrası hazırlıklar 14 2 28
Vize Sınavına Hazırlık 1 5 5
Final Sınavına Hazırlık 1 7 7
Sunum Hazırlama 5 2 10
Final Sınavı 1 1,5 2
Vize Sınavı 1 1,5 2
TOPLAM İŞ YÜKÜ (saat) 96

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖKPK.1PK.2PK.3PK.4PK.5PK.6PK.7PK.8PK.9PK.10PK.11PK.12
ÖK.1454444233
ÖK.24255453224
ÖK.3535554334
ÖK.432453334
ÖK.55444542223