TÜRKÇE
ENGLISH
Genel Bilgi
| Birim | FEN BİLİMLERİ ENSTİTÜSÜ |
| BİLGİSAYAR MÜHENDİSLİĞİ (YL) (TEZLİ) (İNGİLİZCE) | |
| Kod | CENG568 |
| Ad | Intelligent Optimization Techniques |
| Dönem | 2018-2019 Eğitim-Öğretim Yılı |
| Dönem | Bahar |
| Süre (T+U) | 3-0 (T-U) (17 Hafta) |
| AKTS | 6 AKTS |
| Yerel Kredi | 3 Yerel Kredi |
| Eğitim Dil | İngilizce |
| Seviye | Belirsiz |
| Tür | Normal |
| Öğretim Şekli | Yüz Yüze Öğretim |
| Bilgi Paketi Koordinatörü | Prof. Dr. UMUT ORHAN |
| Dersin Öğretim Elemanı |
Güncel dönem ders programı henüz yapılmamıştır.
|
Dersin Amacı / Hedefi
In this course, optimization basis of artificial intelligent algorithms like artificial neural networks and support vector machine and the applications on their solutions is aimed.
Dersin İçeriği
K-Means, K-NN, Decision trees ID3, C4.5, Bayesian and Naive Bayes , Least squares and linear regression, Perceptron, Adaline, Least Mean Squares, Levenberg- Marquartd and artificial neural networks, Reinforcement Learning, Q-Learning, TD-Learning, Learning Vector Quantization Network, Radial Basis Function Network, Lagrange Method and Support Vector Machine, Principal Component Analysis, Linear Discriminant Analysis, Fuzzy Logic and Fuzzy Inference System.
Dersin Ön Koşulu
Kaynaklar
Notlar
Dersin Öğrenme Çıktıları
| Sıra | Dersin Öğrenme Çıktıları |
|---|---|
| ÖÇ01 | Uzaklığa dayalı yöntemleri bilir |
| ÖÇ02 | Karar ağaçlarını bilir |
| ÖÇ03 | Regresyon temelli yaklaşımı bilir |
| ÖÇ04 | Yapay sinir ağı modellerini bilir ve uygular |
| ÖÇ05 | Veri haritalamayı bilir ve uygular |
| ÖÇ06 | Bulanık çıkartım sistemini bilir |
Program Öğrenme Çıktıları ile İlişkisi
| Sıra | Tür | Program Öğrenme Çıktıları | Duzey |
|---|---|---|---|
| PÖÇ01 | - | Lisans düzeyinde kazanılan yetkinlikler temelinde Bilgisayar Mühendisliği temel alanında özgün çalışmalar için gerekli temeli sağlayan ileri düzeyde bilgi ve kavrayışa sahiptir. | |
| PÖÇ02 | - | Mühendislik alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgiyi değerlendirir, yorumlar ve uygular. | |
| PÖÇ03 | - | Mesleğinin yeni ve gelişmekte olan uygulamalarının farkında olup, gerektiğinde bunları inceler ve öğrenir. | |
| PÖÇ04 | - | Mühendislik problemlerini kurgular, çözmek için yöntem geliştirir ve çözümlerde yenilikçi yöntemler uygular. | |
| PÖÇ05 | - | Analitik, modelleme ve deneysel esaslı araştırmaları tasarlar ve uygular, bu süreçte karşılaşılan karmaşık durumları çözümler ve yorumlar. | |
| PÖÇ06 | - | Yeni ve/veya özgün fikir ve yöntemler geliştirir, sistem, parça veya süreç tasarımlarında yenilikçi çözümler geliştirir. | |
| PÖÇ07 | - | Öğrenme becerilerine sahip olur. | |
| PÖÇ08 | - | Bilgisayar Mühendisliğinin yeni ve gelişmekte olan uygulamalarının farkında olup gerektiğinde bunları inceler ve öğrenir. | |
| PÖÇ09 | - | Çalışmalarının süreç ve sonuçlarını Bilgisayar Mühendisliği alanındaki veya alan dışındaki ulusal ve uluslararası ortamlarda açık bir şekilde yazılı veya sözlü olarak aktarır. | |
| PÖÇ10 | - | Bilgisayar Mühendisliğinde uygulanan güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgiye sahip olur. | |
| PÖÇ11 | - | Bilgisayar Mühendisliğinin gerektirdiği düzeyde bilgisayar yazılımı ile birlikte bilişim ve iletişim teknolojilerini ileri düzeyde etkileşimli olarak kullanır. | |
| PÖÇ12 | - | Mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. |
Haftalık Akış
| Hafta | Konu | Ön Hazırlık | Yöntemler |
|---|---|---|---|
| 1 | Derse giriş | Ders notunun ilgili bölümünü okumak | |
| 2 | Makine öğrenmesine giriş | Ders notunun ilgili bölümünü okumak | |
| 3 | Uzaklık tabanlı kümeleme ve sınıflandırma: K-Means ve K-NN | Ders notunun ilgili bölümünü okumak | |
| 4 | Entropi tabanlı karar ağaçları: ID3 and C4.5 | Ders notunun ilgili bölümünü okumak | |
| 5 | Olasılık, Bayes Teoremi, Naive Bayes | Ders notunun ilgili bölümünü okumak | |
| 6 | En küçük kareler optimizasyonu ve doğrusal regresyon | Ders notunun ilgili bölümünü okumak | |
| 7 | Yapay sinir ağlarına giriş: Perceptron ve Adaline | Ders notunun ilgili bölümünü okumak | |
| 8 | Ara Sınav | Ders notları ve uygulamalara çalışmak | |
| 9 | Çok katmanlı yapay sinir ağları ve geriyayılım | Ders notunun ilgili bölümünü okumak | |
| 10 | Takviyeli öğrenme: Q ve TD Learning, LVQ | Ders notunun ilgili bölümünü okumak | |
| 11 | Haritalama ve Kernel fonksiyonu: RBF ağları | Ders notunun ilgili bölümünü okumak | |
| 12 | Lagrange yöntemiyle optimizasyon: Destek vektör makinesi | Ders notunun ilgili bölümünü okumak | |
| 13 | Boyut indirgeme: PCA ve LDA | Ders notunun ilgili bölümünü okumak | |
| 14 | Bulanık Mantık ve Bulanık Çıkartım Sistemleri | Ders notunun ilgili bölümünü okumak | |
| 15 | Proje sunumları | Ders notunun ilgili bölümünü okumak | |
| 16 | Yarıyıl Sonu Sınavları | Ders notları ve uygulamalara çalışmak | |
| 17 | Yarıyıl Sonu Sınavları | Ders notları ve uygulamalara çalışmak |