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, makine öğrenmesi gibi önemli yapay zeka konularının ve bunların üretim sistemlerindeki uygulamalarının DEÜ Endüstri Mühendisliği Bölümü öğrencilerine kazandırılması hedeflenmektedir.

Dersin Öğrenme Kazanımları

1	Yapay zeka kavramını ve önemini kavramak, endüstriyel uygulamaları hakkında bilgi sahibi olmak
2	Yapay Sinir Ağları tasarlayabilmek, eğitebilmek ve kullanabilmek
3	Makine öğrenmesi kavramını ve temel algoritmalarını öğrenmek ve kullanabilmek
4	Derin Öğrenme kavramını öğrenebilmek ve temel derin ağlar hakkında bilgi sahibi olabilmek

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	Yapay zekaya giriş; temel kavramlar
2	Yapay zeka konularını sınıflandırma, endüstriyel uygulamalar
3	Makine öğrenmesi temel kavramları
4	Makine öğrenmesi temel algoritmaları
5	Makine öğrenmesi temel algoritmaları
6	Makine öğrenmesi uygulamaları
7	Arasınav
8	Yapay sinir ağlarına giriş; temel kavramlar
9	Tek katmanlı basit algılayıcılar
10	Basit algılayıcıların eğitimi
11	Çok katmanlı algılayıcılar
12	Gradyan tabanlı eğitim algoritmaları
13	Derin öğrenmeye giriş; temel kavramlar
14	Derin öğrenme uygulamaları

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