• ANASAYFA
• ÜNİVERSİTE HAKKINDA
  • İsim - Adres
  • Genel Bilgi
  • Üniversite Yönetimi
  • Akademik Takvim
  • Derece Programları
  • Yabancı Dilde Eğitim Veren Birimler
  • Genel Kabul ve Kayıt Koşulları
  • Kredi Hareketliliği ve Önceki Öğrenmenin Tanınması
  • AKTS Kredilerinin Belirlenmesi
  • Akademik Danışmanlık
  • İletişim
• DERECE PROGRAMLARI
  • Doktora Programları
  • Yüksek Lisans Programları
  • Lisans Programları
  • Önlisans Programları
• ÖĞRENCİ İÇİN GENEL BİLGİLER
  • Yaşam Standardı
  • Barınma
  • Beslenme
  • Sağlık
  • Engelli İçin Olanaklar
  • Sigorta
  • Finansal Destekler
  • Öğrenci İşleri Daire Başkanlığı
  • Uluslararası Öğrenciler için Pratik Bilgiler
  • Dil Kursları
  • Staj Olanakları
  • Sportif, Sosyal ve Kültürel Faaliyetler
  • Öğrenci Toplulukları ve Kulüpler
  • İzmir-Türkiye Hakkında
• ULUSLARARASI İLİŞKİLER
  • Dış İlişkiler Koordinatörlüğü
  • Kayıt İşlemleri
  • Anlaşmalar
  • Koordinatörler
  • Belgeler
  • Yabancı Dilde Eğitim Veren Birimler
  • AKTS/DE Etiketi

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS EKO 6107 Sığ ve Derin Öğrenme Teknikleri SEÇMELİ 3 0 0 6

Dersi Veren Birim

Ekonometri Doktora

Dersin Düzeyi

Doktora

Ders Koordinatörü

DOÇ.DR. MURAT TANIK

Dersi Alan Birimler

Ekonometri Doktora

Dersin Amacı

Dersin amacı, öğrencileri Yapay Sinir Aglari ve Genetik Algoritmalar hakkindaki guncel bilgilerden haberdar etmek, bu alandaki yeni gelişmeleri takip edebilme ve karsilastiklari problemlerinin çözümünde kullanabilme becerilerini geliştirmektir

Dersin Öğrenme Kazanımları

1   1- Yapay Sinir Ağları tekniklerinin temel prensiplerinin kavrayabilme. 2   2- Sığ öğrenme mantığını anlayıp hangi durumlarda kullanabileceğinin farkına varma. 3   3- Derin öğrenme kavramına hakim olarak ne gibi durumlarda kullanılabileceğine anlama. 4   4- Öğrenilen tekniklerin yöneylem araştırması problemlerinde araç olarak kullanabilme. 5   5- Bazı spesifik iş yaşamı problemlerinde etkin çözümleri üretebilme.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama 1 1- Yapay Sinir Ağlarına Genel Bakış ve Sığ Öğrenme Kavramı 2 2- Sinir Hücresi Modeli ve Ağ Mimarileri, Açıklayıcı Bir Örnek 3 3- Geriyayılım Algoritması 4 4- Geriyayılım Algoritmasında Varyasyonlar 5 5- Genelleme, Örnek olay incelemesi: Fonksiyon yakınsaması, Olasılık tahminlemesi 6 6- Pratik Eğitim Sorunları, Örnek olay incelemesi: Desen tanımlama 7 7- Derin Öğrenme ve Sığ Öğrenme Kavramları Arasındaki Farklılıklar 8 8- Vize Haftası 9 9- Vize Haftası 10 10- Uzun ve Kısa Dönem Hafızaya Sahip Sinir Ağları 11 11- Evrişimli Sinir Ağlarının Tanıtılması 12 12- Otomatik Kodlayıcı Sinir Ağları 13 13- Derin Yapay Sinir Ağlarının Eğitilmesi ve Dikkat Edilecek Noktalar 14 14- Uygulama Programlarının Tanıtılması

Ders İçin Önerilen Kaynaklar

David E. Goldberg.Genetic Algorithms in Search, Optimization and Machine Learning. Addison Wesley. 1989. Randy L.Haupt and Sue Ellen Haupt.Practical Genetic Algorithms. Wiley-Blackwell.2004. Jeff Heaton. Introduction to the Math of Neural Networks Heaton Research.2012. G David Garson. Neural Networks: An Introductory Guide for Social Scientists Sage Publications.1998.

Öğrenme ve Öğretme Yöntemleri

Anlatım Metodu, Soru-Cevap Metodu, Tartışma Metodu ve Problem Çözme Metodu- Uygulamalar

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL 1 ARS ARASINAV 2 YYS YARIYIL SONU SINAVI 3 YYBN YARIYIL SONU BAŞARI NOTU ARS * 0.40 + YYS* 0.60 4 BUT BÜTÜNLEME 5 BUTBN BÜTÜNLEME SONU BAŞARI NOTU ARS * 0.40 + BUT* 0.60 *** Bütünleme Sınavı Yapılmayan Birimlerde Bütünleme Kriteri Dikkate Alınmaz.

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

İlan Edilecektir.

Dersin Öğretim Dili

Türkçe

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

serkan.aras@deu.edu.tr

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

İlan Edilecektir.

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat) Ders Anlatımı 13 3 39 Haftalık Ders öncesi/sonrası hazırlıklar 13 3 39 Vize Sınavına Hazırlık 1 30 30 Final Sınavına Hazırlık 1 30 30 Vize Sınavı 1 3 3 Final Sınavı 1 3 3 TOPLAM İŞ YÜKÜ (saat) 144

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK PK.1 PK.2 PK.3 PK.4 PK.5 PK.6 PK.7 PK.8 PK.9 ÖK.1 3 3 3 2 3 3 2 3 3 ÖK.2 2 3 3 3 3 2 4 4 4 ÖK.3 5 5 2 3 3 3 3 3 3 ÖK.4 3 3 3 3 3 3 3 3 3 ÖK.5 2 2 3 3 2 2 2 2 2