Yapay Zeka (Tezli)
Yüksek Lisans TYYÇ: 7. Düzey QF-EHEA: 2. Düzey EQF-LLL: 7. Düzey

Ders Genel Tanıtım Bilgileri

Ders Kodu: AIC520
Ders İsmi: Yapay Sinir Ağları ve Bulanık Mantık
Ders Yarıyılı: Bahar
Ders Kredileri:
Teorik Pratik Laboratuvar AKTS
3 0 6
Öğretim Dili: Turkish
Ders Koşulu:
Ders İş Deneyimini Gerektiriyor mu?: Hayır
Dersin Türü: Enstitü
Dersin Seviyesi:
Yüksek Lisans TYYÇ:7. Düzey QF-EHEA:2. Düzey EQF-LLL:7. Düzey
Dersin Veriliş Şekli: E-Öğrenme
Dersin Koordinatörü: Dr. Öğr. Üyesi ARiF YELĞİ
Dersi Veren(ler):
Dersin Yardımcıları:

Dersin Amaç ve İçeriği

Dersin Amacı: Bulanık mantık ve Yapay Sinir Ağları modelini kullanarak karmaşık doğrusal olmayan sistemleri çözme yeteneğine amaçlanmıştır.
Dersin İçeriği: Yapay sinir Ağları, Bulanık mantık, Anfis

Öğrenme Çıktıları

Bu dersi başarıyla tamamlayabilen öğrenciler;
Öğrenme Çıktıları
1 - Bilgi
Kuramsal - Olgusal
1) Bulanık Mantık temellerini anlayabilme
2 - Beceriler
Bilişsel - Uygulamalı
1) Yapay Sinir Ağlarını tanıma
2) Yapay Sinir Ağları ile problem çözme yaklaşımı kazanabilme
3) Bulanık Kümeler ile problem çözme yaklaşımı kazanabilme
4) Uygulama ve ispat etme becerisine sahip olmak
3 - Yetkinlikler
İletişim ve Sosyal Yetkinlik
Öğrenme Yetkinliği
Alana Özgü Yetkinlik
Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği

Ders Akış Planı

Hafta Konu Ön Hazırlık
1) Giriş, Yapay Sinir Ağı Gelişmeleri, Tarih Konulara ilişkin ön okumalar
2) En basit sınıflandırma algoritması, en yakın komşu Konulara ilişkin ön okumalar
3) Optimizasyon, gradyan azaltma algoritmaları ve sabit nokta ile öğrenme Konulara ilişkin ön okumalar
4) Kmeans -SOM Konulara ilişkin ön okumalar
5) LVQ Konulara ilişkin ön okumalar
6) Hopfield ve Boltzmann Konulara ilişkin ön okumalar
7) Radyal Temel Fonksiyonlar (RBF)- Çapraz entropi hata kriteri Konulara ilişkin ön okumalar
8) Ara sınav Konulara ilişkin ön okumalar
9) Bulanık kümeler. Üyelik işlevleri Konulara ilişkin ön okumalar
10) Bulanık işlemler. T-norm, N-norm operatörleri. Konulara ilişkin ön okumalar
11) Bulanık argümanlar, genişleme ilkesi. Konulara ilişkin ön okumalar
12) Bulanık Kurallar Bulanıklaştırma, durulaştırma. bulanık çıkarım Konulara ilişkin ön okumalar
13) Sugeno , Mamdani fuzzy inference Konulara ilişkin ön okumalar
14) Anfis Konulara ilişkin ön okumalar
15) Anfis Konulara ilişkin ön okumalar
16) Final Sınavı Konulara ilişkin ön okumalar

Kaynaklar

Ders Notları / Kitaplar: Fundamentals of Neural Networks_ Architectures, Algorithms and Applications-Pearson- Laurene V. Fausett
Diğer Kaynaklar: Bulanık mantık ve modelleme ilkeleri- Zekai Şen
Fundamentals of Neural Networks_ Architectures, Algorithms and Applications-Pearson- Laurene V. Fausett
Introduction to Artificial Neural Systems – Jacek M.Zurada
Yapay sinir ağları - ercan-oztemel

Ders - Program Öğrenme Kazanım İlişkisi

Ders Öğrenme Kazanımları

1

2

4

5

3
Program Kazanımları
1) Bilgisayar mühendisliği çalışmalarını yürütmeyi sağlayacak kavram ve yetkinliklerin kazandırılması ve bilgisayar bilimleri yöntemlerini güncel sorunları çözümlemede veya ihtiyaçları gidermede kullanabilme becerisi.
2) Bir bilgi sistemini modern tasarım araçları ile tasarlayabilme veya var olan bir sistemdeki sorunları saptama, tanımlama ve çözümleme becerisi.
3) Gereksinimlerin analiz edilmesi, uygun donanım ve yazılım çözümlerinin belirlenmesi, kullanılması veya gerçeklenmesi becerisi.
4) Bilimsel yöntemlere uygun olarak, deney, gözlem, uygulama ve akıl yürütmeye dayalı çözümleme ve yorumlama becerisi.
5) Bireysel ve takım halinde veya gereğinde disiplinler arası takımlarda çalışma becerisi.
6) Farklı ortamlarda ve farklı disiplinlerle iletişim kurma becerisi.
7) Yeniliklere açık olma, öğrenmeye açık olma ve kendini yenileme becerisi.
8) Mesleki ve ahlaki sorumluluk taşıma.
9) Proje planlaması ve yönetimi yapabilme; gereğinde girişimcilik ve yenilik yapabilme becerisi.
10) Sosyal, ekonomik, çevresel sorunlar hakkında farkındalık sahibi olma ve mesleğini bu bilinç ile gerçekleştirme.
11) Sorgulayıcı ve sıra dışı düşünerek, özgün çözüm yolları bulabilme, alternatif çözüm yollarını karşılaştırabilme.
12) İnsan ve toplum odaklı olma, kültürel duyarlılık kazanma ve sosyal sorumluluk projelerinin farkında olma.

Ders - Öğrenme Kazanımı İlişkisi

Etkisi Yok 1 En Düşük 2 Düşük 3 Orta 4 Yüksek 5 En Yüksek
           
Dersin Program Kazanımlarına Etkisi Katkı Payı
1) Bilgisayar mühendisliği çalışmalarını yürütmeyi sağlayacak kavram ve yetkinliklerin kazandırılması ve bilgisayar bilimleri yöntemlerini güncel sorunları çözümlemede veya ihtiyaçları gidermede kullanabilme becerisi.
2) Bir bilgi sistemini modern tasarım araçları ile tasarlayabilme veya var olan bir sistemdeki sorunları saptama, tanımlama ve çözümleme becerisi.
3) Gereksinimlerin analiz edilmesi, uygun donanım ve yazılım çözümlerinin belirlenmesi, kullanılması veya gerçeklenmesi becerisi.
4) Bilimsel yöntemlere uygun olarak, deney, gözlem, uygulama ve akıl yürütmeye dayalı çözümleme ve yorumlama becerisi.
5) Bireysel ve takım halinde veya gereğinde disiplinler arası takımlarda çalışma becerisi.
6) Farklı ortamlarda ve farklı disiplinlerle iletişim kurma becerisi.
7) Yeniliklere açık olma, öğrenmeye açık olma ve kendini yenileme becerisi.
8) Mesleki ve ahlaki sorumluluk taşıma.
9) Proje planlaması ve yönetimi yapabilme; gereğinde girişimcilik ve yenilik yapabilme becerisi.
10) Sosyal, ekonomik, çevresel sorunlar hakkında farkındalık sahibi olma ve mesleğini bu bilinç ile gerçekleştirme.
11) Sorgulayıcı ve sıra dışı düşünerek, özgün çözüm yolları bulabilme, alternatif çözüm yollarını karşılaştırabilme.
12) İnsan ve toplum odaklı olma, kültürel duyarlılık kazanma ve sosyal sorumluluk projelerinin farkında olma.

Ölçme ve Değerlendirme

Yarıyıl İçi Çalışmaları Aktivite Sayısı Katkı Payı
Toplam %
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI % 0
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI %
Toplam %