• 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 CSE 5013 Yapay Sinir Ağları SEÇMELİ 3 0 0 9

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

PROF. DR. DERYA BİRANT

Dersi Alan Birimler

Bilgisayar Mühendisliği Tezsiz Yüksek Lisans (İngilizce) Bilgisayar Mühendisliği Bütünleşik Doktora (İngilizce) Bilgisayar Mühendisliği Yüksek Lisans (İngilizce) Bilgisayar Mühendisliği Doktora (İngilizce) Bilgisayar Mühendisliği Tezsiz Yüksek Lisans (İ.Ö) (İngilizce)

Dersin Amacı

Dersin Öğrenme Kazanımları

1   Gerçek beyinler ve yapay sinir ağları modelleri arasındaki bağlantıyı açıklayabilme 2   Çeşitli yapay sinir ağları hakkında detaylı bilgi sahibi olabilme 3   Yapay sinir ağlarının performansını analiz edebilme 4   Çeşitli ağ yapıları arasındaki farklılıkları anlayabilme 5   Yapay sinir ağlarını pratikte uygulayabilme

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama 1 Sinir Ağlarına Giriş ve Tarihçe. Biyolojik Sinir Ağları. Yapay Sinir Ağları. 2 Yapay Sinir Ağları. Tek Kademeli Perseptronlar. Tek Kademeli Perseptronlarda Öğrenme ve Genelleme. 3 Hebb Öğrenme. Gradient Descent Öğrenme 4 Genelleştirilmiş Delta Kuralı. Pratik Uygulamalar 5 Çok Katmanlı Perseptronlarda Öğrenme, Geri Yayılım Öğrenme 6 Momentum Öğrenme. Conjugate Gradient Öğrenme 7 Varyans ve Yanlılık, Alt ve Üste Yaklaşım 8 Derin Öğrenme 9 Çok-Katmanlı Perseptron Uygulamaları 10 Radyal Tabanlı Fonsiyon Ağlarına Giriş 11 Radyal Tabanlı Fonsiyon Ağ Algoritmaları, Uygulamaları Komite Makinaları 12 Özdüzenleyici Haritaların Prensipleri, Algoritmaları ve Uygulamaları 13 Vektör Kuantalamalı Öğrenme 14 Öğrenci Sunumları

Ders İçin Önerilen Kaynaklar

İlan Edilecektir.

Öğrenme ve Öğretme Yöntemleri

Dersler Literatür Taraması / Araştırma Sunum Dönem Projesi Rapor

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL 1 ODV ÖDEV 2 SUN SUNUM 3 YSBN YIL SONU BAŞARI NOTU ODV * 0.50 + SUN * 0.50

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

İlan Edilecektir.

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 3 42 Haftalık Ders öncesi/sonrası hazırlıklar 14 2 28 Web'de Tarama ve Kütüphane Çalışması 1 5 5 Kitap Okuma 10 3 30 Proje Hazırlama 1 65 65 Sunum Hazırlama 1 30 30 Rapor hazırlama 1 25 25 TOPLAM İŞ YÜKÜ (saat) 225

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 PK.10 PK.11 ÖK.1 4 ÖK.2 4 4 4 ÖK.3 5 4 3 4 ÖK.4 4 4 4 ÖK.5 5 5 4