Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
END 3938	YAPAY ZEKA VE ENDÜSTRİDE UYGULAMALARI	SEÇMELİ	3	0	0	4

Dersi Veren Birim

Endüstri Mühendisliği

Dersin Düzeyi

Lisans

Ders Koordinatörü

DOÇ.DR. FEHMİ BURÇİN ÖZSOYDAN

Dersi Alan Birimler

Endüstri Mühendisliği

Dersin Amacı

Bu ders ile mühendislik biliminde son derece önemli bir yere sahip olan yapay sinir ağları, derin öğrenme, hiper-sezgisel öğrenme, makine öğrenmesi gibi önemli yapay zeka konularının ve bunların üretim sistemlerindeki uygulamalarının DEÜ Endüstri Mühendisliği Bölümü öğrencilerine kazandırılması hedeflenmektedir. Böylece içinde bulunduğumuz Endüstri 4.0 çağına uygun mesleki kazanımların elde edilmesi hedeflenmektedir.

Dersin Öğrenme Kazanımları

1	Yapay zeka kavramını ve önemini kavrama
2	Yapay Sinir Ağları tasarlayabilmek, eğitebilmek ve kullanabilmek
3	Derin Öğrenme kavramını edinebilmek
4	Hiper-sezgisel Öğrenme kavramını edinebilmek
5	Yapay Sinir Ağlarını eğitebilmek için farklı yapay zeka algoritmalarını kullanabilmek
6	Makine öğrenmesi kavramını öğrenebilmek

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	Yapay zekaya giriş: yapay zeka nedir, kullanım amaçları nelerdir
2	Yapay zeka konularını sınıflandırma farklılıklarını kavrama
3	Yapay sinir ağlarına giriş
4	Yapay sinir ağı modeli (öğretmenli öğrenme)
5	Yapay sinir ağı modeli (öğretmenli öğrenme)
6	Çok katmanlı yapay sinir ağı modeli (öğretmenli öğrenme)
7	Nöroevrimsel algoritmalar
8	Nöroevrimsel algoritmalar
9	Arasınav
10	Derin öğrenmeye giriş
11	Derin öğrenme uygulamaları
12	Hiper-sezgisel öğrenme
13	Makine öğrenmesi
14	Makine öğrenmesi
15	Proje sunumları

Ders İçin Önerilen Kaynaklar

Haykin, S., (2008) Neural Networks and Learning Machines, McMaster University, Hamilton, Ontario, Canada, ISBN-13: 978-0-13-147139-9, ISBN-10: 0-13-147139-2
Öztemel, E., (2016) Yapay Sinir Ağları, Papatya Yayıncılık
Çakır, F.S. (2018) Yapay Sinir Ağları, Matlab Kodları ve Matlab Toolbox Çözümleri, Nobel Akademik Yayıncılık, ISBN: 9786057928122
Rençberi Ö.F. (2018) Sınıflandırma Problemlerinde Çoklu Lojistik Regresyon, Yapay Sinir Ağ ve ANFIS Yöntemlerinin Karşılaştırılması: İnsani Gelişmişlik Endeksi Üzerine Uygulama, Gazi Kitabevi ISBN: 6053446699

Öğrenme ve Öğretme Yöntemleri

Ders içeriğinde yer alan konular, sınıf içi bilgisayarlı uygulamalar, tahtada örnek problem çözümleri ve sunular aracılığı ile öğrencilere aktarılacak ve öğrencilerden bu uygulamaları yapmaları beklenecektir. Ders, yoğun bir şekilde kodlama içerecektir. Ayrıca proje çalışmaları ile bu ders kapsamında anlatılan tüm tekniklerin bir araya getirilerek kullanılması sağlanacaktır.

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	VZ	Vize
2	ODV	Ödev/Proje
3	FN	Final
4	BNS	BNS	VZ * 0.20 + ODV * 0.30 + FN * 0.50
5	BUT	Bütünleme Notu
6	BBN	Bütünleme Sonu Başarı Notu	VZ * 0.20 + ODV * 0.30 + BUT * 0.50

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

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Vize (%20) + Proje (%30) + Final (%50)

Dersin Öğretim Dili

Türkçe

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

Adres: Dokuz Eylül Üniversitesi, Endüstri Mühendisliği Bölümü, Tınaztepe Kampüsü, İzmir, Türkiye
E-posta: burcin.ozsoydan@deu.edu.tr, burcin.ozsoydan@gmail.com
Tel: 0232 301 7630

Ders Öğretim Üyesi Görüşme Gün ve Saatleri