MK0034 Machine Learning Applications in Fluid Mechanics

6 AKTS - 3-0 Süre (T+U)- . Yarıyıl- 3 Yerel Kredi

Genel Bilgi

Kod MK0034
Ad Machine Learning Applications in Fluid Mechanics
Dönem 2024-2025 Eğitim-Öğretim Yılı
Yarıyıl . Yarıyıl
Süre (T+U) 3-0 (T-U) (17 Hafta)
AKTS 6 AKTS
Yerel Kredi 3 Yerel Kredi
Eğitim Dil İngilizce
Seviye Yüksek Lisans Dersi
Tür Normal
Öğretim Şekli Yüz Yüze Öğretim
Bilgi Paketi Koordinatörü Dr. Öğr. Üyesi Sergen TÜMSE


Dersin Amacı / Hedefi

Bu dersin temel amacı, farklı makine öğrenmesi algoritmalarının, aerodinamik kuvvetlerin ve rüzgar gücünün tahmini gibi uygulamaları içeren akışkanlar mekaniği alanında uygulanmasını ele alacaktır.

Dersin İçeriği

Bu ders, belirli akışkanlar mekaniği uygulamaları bağlamında temel Makine Öğrenmesi algoritmalarını yönlendiren geniş heuristiklere odaklanacaktır. Bu dersin bir parçası olarak Matlab kullanılacak ancak öğrencilere TensorFlow gibi açık kaynaklı paketleri kullanarak bu yöntemleri uygulama konusunda da eğitim verilecektir.

Dersin Ön Koşulu

Yok

Kaynaklar

Deep Learning, Goodfellow et al, MIT Press, 20172.

Notlar

Ders Notları Pattern Recognition and Machine Learning, Christopher Bishop, Springer, 20093.


Dersin Öğrenme Çıktıları

Sıra Dersin Öğrenme Çıktıları
ÖÇ01 Öğrenciler etkinliği açısından yaygın makine öğrenme yöntemlerini değerlendirebilir.
ÖÇ02 Öğrenciler kullanılması düşünülen makine öğrenme yönteminin avantaj ve dezavantajlarını değerlendirebilir.
ÖÇ03 Öğrenciler temel makine öğrenme çözümleri tasarlayıp sınayabilir.
ÖÇ04 Öğrenciler öngörülen çözüm için uygun makine öğrenme mimarisi ve algoritmasını belirleyip uygular.
ÖÇ05 Öğrenciler makine modellerin düzenlenmesi ve optimizasyon yöntemleri hakkında bilgi sahibi olur.


Program Öğrenme Çıktıları ile İlişkisi

Sıra Tür Program Öğrenme Çıktıları Duzey
PÖÇ01 Bilgi - Kuramsal, Olgusal Temel bilimleri, matematik ve mühendislik bilimlerini üst düzeyde anlar ve uygular. 5
PÖÇ02 Bilgi - Kuramsal, Olgusal Alanında en son gelişmeler dâhil olmak üzere genişlemesine ve derinlemesine bilgi sahibidir. 4
PÖÇ03 Beceriler - Bilişsel, Uygulamalı Bir alanda en yeni bilgilere ulaşır ve bunları kavrayarak araştırma yapabilmek için gerekli yöntem ve becerilerde üst düzeyde yeterliğe sahiptir. 4
PÖÇ04 Beceriler - Bilişsel, Uygulamalı Bilime veya teknolojiye yenilik getiren, yeni bir bilimsel yöntem veya teknolojik ürün/süreç geliştiren ya da bilinen bir yöntemi yeni bir alana uygulayan kapsamlı bir çalışma yapar. 3
PÖÇ05 Beceriler - Bilişsel, Uygulamalı Özgün bir araştırma sürecini bağımsız olarak algılar, tasarlar, uygulama ve sonuçlandırır; bu süreci yönetir. 3
PÖÇ06 Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği Akademik çalışmalarının çıktılarını saygın akademik ortamlarda yayınlayarak bilim ve teknoloji literatürüne katkıda bulunur.
PÖÇ07 Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği Bilimsel, teknolojik, sosyal ve kültürel gelişmeleri değerlendirme ve bilimsel tarafsızlık ve etik sorumluluk bilinciyle topluma aktarır.
PÖÇ08 Yetkinlikler - İletişim ve Sosyal Yetkinlik Uzmanlık alanındaki fikirlerin ve gelişmelerin eleştirel analizini, sentezini ve değerlendirmesini yapar.
PÖÇ09 Yetkinlikler - İletişim ve Sosyal Yetkinlik Uzmanlık alanında çalışanlarla ve daha geniş bilimsel ve sosyal topluluklarla yazılı ve sözlü etkin iletişim kurar, bir yabancı dili en az Avrupa Dil Portföyü C1 Genel Düzeyinde kullanarak ileri düzeyde yazılı, sözlü ve görsel iletişim kurar ve tartışır.
PÖÇ10 Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği Literatür araştırması yapabilir 5


Haftalık Akış

Hafta Konu Ön Hazırlık Yöntemler
1 Matematiksel Temeller 1 – Makine Öğrenimine Giriş, Doğrusal Cebir Ders notları Öğretim Yöntemleri:
Anlatım, Soru-Cevap
2 Mathematical Basics 2 - Probability Ders notları Öğretim Yöntemleri:
Anlatım
3 Hesaplamanın Temelleri – Sayısal hesaplama ve optimizasyon, Makine öğrenimi paketlerine giriş Ders notları Öğretim Yöntemleri:
Anlatım, Tartışma
4 Doğrusal ve Lojistik Regresyon – Önyargı/Varyans Değişimi, Düzenlileştirme, Gradyan İniş Varyantları, MLE, MAP, Uygulamalar Ders notları Öğretim Yöntemleri:
Anlatım, Gösteri
5 Sinir Ağları – Çok Katmanlı Algılayıcı, Geriye Yayılım, Uygulamalar Ders notları Öğretim Yöntemleri:
Anlatım, Gösteri, Gösterip Yaptırma
6 Evrişimsel Sinir Ağları 1 – CNN İşlemleri, CNN mimarileri Ders notları Öğretim Yöntemleri:
Anlatım
7 Evrişimsel Sinir Ağları 2 – Eğitim, Transfer Öğrenme, Uygulamalar Ders notları Öğretim Yöntemleri:
Anlatım, Soru-Cevap
8 Ara Sınavlar Ders notları Ölçme Yöntemleri:
Yazılı Sınav
9 Evrişimsel Sinir Ağlarının Rüzgar Gücü Tahmininde Uygulanması Ders notları Öğretim Yöntemleri:
Anlatım, Soru-Cevap
10 Evrişimsel Sinir Ağlarının Kanat Aerodinamik Kuvvet Tahmininde Uygulanması Ders notları Öğretim Yöntemleri:
Anlatım, Soru-Cevap
11 Tekrarlayan Sinir Ağları RNN, LSTM, GRU, Uygulamalar Ders notları Öğretim Yöntemleri:
Anlatım, Soru-Cevap
12 Klasik Teknikler 1 – Bayes Regresyonu, Uygulamalar Ders notları Öğretim Yöntemleri:
Anlatım, Soru-Cevap
13 Klasik Teknikler 2 – k-Ortalamalar, kNN, GMM, Beklenti Maksimizasyonu, Uygulamalar Ders notları Öğretim Yöntemleri:
Soru-Cevap, Anlatım
14 İleri Teknikler 1- Yapılandırılmış Olasılık Modelleri, Monte Carlo Yöntemleri Ders notları Öğretim Yöntemleri:
Soru-Cevap, Anlatım
15 İleri Teknikler 2 – Otomatik Kodlayıcılar, Üretken Rekabet Ağı Ders notları Öğretim Yöntemleri:
Anlatım
16 Yarıyıl Sonu Sınavları Ders notları Ölçme Yöntemleri:
Yazılı Sınav
17 Yarıyıl Sonu Sınavları Ders notları Ölçme Yöntemleri:
Yazılı Sınav


Öğrenci İş Yükü - AKTS

Çalışmalar Sayısı Süresi (Saat) İş Yükü (Saat)
Ders ile İlgili Çalışmalar
Ders (Sınav haftaları dahil değildir) 14 3 42
Sınıf Dışı Ders Çalışma (Ön çalışma, pekiştirme) 14 5 70
Değerlendirmeler ile İlgili Çalışmalar
Ödev, Proje, Diğer 0 0 0
Ara Sınavlar (Yazılı, Sözlü, vs.) 1 15 15
Yarıyıl/Yıl Sonu/Final Sınavı 1 30 30
Toplam İş Yükü (Saat) 157
Toplam İş Yükü / 25 (s) 6,28
AKTS 6 AKTS

Güncelleme Zamanı: 10.10.2024 09:40