DERS ADI

: İleri Evrimsel Hesaplama Yöntemleri

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS
CSE 6013 İleri Evrimsel Hesaplama Yöntemleri SEÇMELİ 3 0 0 8

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

DOÇ.DR. ZERRİN IŞIK

Dersi Alan Birimler

Bilgisayar Bilimleri Doktora (İngilizce)
Bilgisayar Bilimleri Yüksek Lisans
Bilgisayar Mühendisliği Bütünleşik Doktora (İngilizce)
Bilgisayar Mühendisliği Doktora (İngilizce)
Bilgisayar Mühendisliği Yüksek Lisans (İngilizce)

Dersin Amacı

Dersin amacı öğrencilere biyolojik hesaplama ve silikon temelli hesaplama arasındaki benzerlikleri belirleme ve bu benzerliklerden çıkarılacak tasarımlama blgi ve becerilerini mühendislik sistemlerinin tasarlanmasına uygulanmasıdır.

Dersin Öğrenme Kazanımları

1   Everimsel hesaplamanın ögelerini tanımlayabilmek
2   Biyolojik hesaplama temelleri ve matematiksel modelleri tanımlayabilmek
3   Biyolojik nöral ağlar ile iletişebilecek sistemler tasarlayabilmek
4   Hesaplama ile ilgili biyolojik süreçlerin tanımlanabilmesi
5   Biyolojik - silikon karma sistemlerinin tanımlanabilmesi

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama
1 Evrimsel hesaplama kavramlarına giriş
2 Nöron, Aksiyon potansiyeli
3 Biyolojik nöral ağlar
4 Nöron ile iletişim : Mikro-elektrot yöntemi
5 Nöron ile iletişim : Optogenetik
6 Biyolojik ve algoritmiköğrenme modelleri
7 Yapay sinir ağları
8 Yapay sinirağları algoritmaları
9 Diğer öğrenme yöntemleri - Regrasyon
10 Probabilistik öğrenme yöntemleri
11 Biyolojik nöral ağların kültürlenmesi ve eğitilmesi
12 Biyolojik nöral ağların mühendislik problemlerinin çözümünde kullanılması
13 Nöro-transmitterler, öğrenme
14 Biyolojik nöral ağlarda nesne temsili ve hesaplama algoritmaları

Ders İçin Önerilen Kaynaklar

Yardımcı Kaynaklar:
Koza, John R. Genetic Programming: On the Programming of Computers by Means of Natural
Selection, The MIT Press, 1992.
Goldberg, David. Genetic Algorithms in Search, Optimization and Machine Learning,
Addison-Wesley, 1989.

Diğer: Makale ve ders notları

Öğrenme ve Öğretme Yöntemleri

Teorik dersler, proje, makale okuma, ev ödevi ve bağımsız çalışma

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL
1 MD Midterm
2 AS1 Assignment1
3 AS2 Assignment2
4 FN Final
5 BNS BNS MD * 0.30 + AS1 +AS2/2 * 0.20 + FN * 0.50
6 BUT Bütünleme
7 BBN BBN MD * 0.30 + AS1 +AS2/2 * 0.20 + 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

Suleyman Sevinc
suleyman.sevinc@deu.edu.tr
0232 301 7403 / 7401

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

İlk derste duyurulacaktır

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat)
Ders Anlatımı 39 1 39
Haftalık Ders öncesi/sonrası hazırlıklar 13 5 65
Vize Sınavına Hazırlık 2 10 20
Final Sınavına Hazırlık 1 15 15
Diğer Kısa Sınavlara Hazırlık 3 3 9
Ödev Hazırlama 4 4 16
Kitap Okuma 3 7 21
Final Sınavı 1 2 2
Vize Sınavı 2 2 4
Diğer Kısa Sınav 3 3 9
TOPLAM İŞ YÜKÜ (saat) 200

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖKPK.1PK.2PK.3PK.4PK.5PK.6PK.7PK.8PK.9PK.10
ÖK.1535
ÖK.2535
ÖK.3535
ÖK.4545
ÖK.555