DERS ADI

: Esnek Hesaplama Teknikleri

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS
BİL 4123 Esnek Hesaplama Teknikleri SEÇMELİ 2 2 0 5

Dersi Veren Birim

Bilgisayar Bilimleri

Dersin Düzeyi

Lisans

Ders Koordinatörü

DR. ÖĞR. ÜYESİ AYŞE ÖVGÜ KINAY

Dersi Alan Birimler

Bilgisayar Bilimleri

Dersin Amacı

Bu dersin amacı öğrencilere esnek hesaplama teknikleri ve yöntemleri hakkında bilgi vermek ve kesin matematiksel yöntemler kullanılarak çözülmesi zor olan karmaşık gerçek dünya problemlerini çözme becerisi kazandırmaktır. Bu kapsamda genel olarak tavlama benzetimi, genetik ve çeşitli sürü zekası algoritmaları incelenmektedir.

Dersin Öğrenme Kazanımları

1   Esnek hesaplama teknikleri hakkında temel bilgilere sahip olma.
2   Genetik algoritmalar hakkında temel bilgilere sahip olma.
3   Evrimsel algoritmalar hakkında temel bilgilere sahip olma.
4   Sürü zekası algoritmaları hakkında temel bilgilere sahip olma.
5   Esnek hesaplamalı modeller oluşturabilme.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama
1 Esnek hesaplama tekniklerine giriş
2 Tavlama benzetimi algoritması
3 Genetik algoritma
4 Genetik algoritma (devamı)
5 Evrimsel hesaplama
6 Genetik programlama
7 Makale incelemeleri - Proje sunumu
8 Konuların tekrarı
9 Sürü zekası
10 Parçacık sürü optimizasyonu
11 Karınca kolonisi algoritması
12 Karınca kolonisi algoritması (dvm)
13 Yapay arı kolonisi algoritması
14 Proje sunumu

Ders İçin Önerilen Kaynaklar

Ana kaynak:
Neural Network, Fuzzy Logic, and Genetic Algorithms - Synthesis and Applications", by S. Rajasekaran and G.A. Vijayalaksmi Pai, (2005), Prentice Hall,
Soft Computing and Intelligent Systems - Theory and Application, by Naresh K. Sinha and Madan M. Gupta (2000), Academic Press,.
Yardımcı kaynaklar:
Soft Computing and Intelligent Systems Design - Theory, Tools and Applications", by Fakhreddine karray and Clarence de Silva (2004), Addison Wesley,
Neuro-Fuzzy and Soft Computing: A Computational Approach to Learning and Machine Intelligence by J. S. R. Jang, C. T. Sun, and E. Mizutani, (1996), Prentice Hall.

Öğrenme ve Öğretme Yöntemleri

Ders, anlatım, sınıf sunumu ve tartışma biçiminde öğretilecek. Öğretilen dersin yanı sıra, öğrencilere gruplar halinde sunumlar hazırlatılacak ve tartışmalı oturumlar şeklinde sundurulacaktır. Dersin bazı haftalarında, daha önce verilen ödev sonuçları tartışılarak pekiştirilecektir.

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL
1 VZ Vize
2 OD Ödev
3 FN Final
4 BNS BNS VZ * 0.40 + OD * 0.20 + FN * 0.40
5 BUT BÜTÜNLEME
6 BUTBN BÜTÜNLEME SONU BAŞARI NOTU VZ * 0.40 + OD * 0.20 + BUT * 0.40


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

ovgu.tekin@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 14 2 28
Uygulama 14 2 28
Haftalık Ders öncesi/sonrası hazırlıklar 14 2 28
Vize Sınavına Hazırlık 1 10 10
Final Sınavına Hazırlık 1 15 15
Ödev Hazırlama 2 10 20
Final Sınavı 1 2 2
Vize Sınavı 1 1 1
Proje Ödevi 2 2 4
TOPLAM İŞ YÜKÜ (saat) 136

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖKPK.1PK.2PK.3PK.4PK.5PK.6PK.7PK.8PK.9PK.10PK.11PK.12PK.13
ÖK.1545355455
ÖK.255525455
ÖK.3554355
ÖK.455332255
ÖK.54554345