Dersin Ayrıntıları
YarıyılKoduAdıT+U+LKrediAKTSSon Güncelleme Tarihi
2ÇEV 5026Yapay Sinir Ağları Yönteminin Çevre Mühendisliğinde Kullanımı3+0+03621.11.2018

 
Dersin Detayları
Dersin Dili Türkçe
Dersin Düzeyi Yüksek Lisans
Bölümü / Programı Çevre Mühendisliği (YL)
Öğrenim Türü Örgün Öğretim
Dersin Türü Seçmeli
Dersin Öğretim Şekli Yüz Yüze
Dersin Amacı Yapay Sinir Ağları (YSA) Yöntemini kullanarak Çevre Mühendisliği veya diğer mühendislik dallarında yapılan çalışmalar ile ilgili modelleme ve çok değişkenli verilerin kümelemesini yapmaktır.
Dersin İçeriği Yapay Sinir Ağları (YSA) ile insanın sinir sistemi arasındaki benzerlikler, YSA’nın diğer yöntemlere (çoklu regresyon ve stokastik yöntemler) göre avantaj ve dezavantajları, YSA’nın topolojisi/yapısı/mimamrisi, hücre özellikleri ve sistem dinamiği, YSA’nın eğitilmesi, öğretmenli ve öğretmensiz eğitim, modelleme ve kümeleme uygulamaları.
Dersin Yöntem ve Teknikleri
Ön Koşulları Yok
Dersin Koordinatörü Prof.Dr. Hasan MERDUN
Dersi Verenler Prof.Dr. HASAN MERDUN
Dersin Yardımcıları Yok
Dersin Staj Durumu Yok

Ders Kaynakları
Kaynaklar 1. Şen, Z. 2004. Yapay Sinir Ağları İlkeleri. Su Vakfı Yayınları.
2. MATLAB Neural Network Toolbox 7 – User Guide
3. Değişik internet kaynakları ve makaleler.

Ders Yapısı
Matematik ve Temel Bilimler %30
Mühendislik Bilimleri %50
Fen Bilimleri %20

Planlanan Öğrenme Aktiviteleri ve Metodları
Etkinlikler ayrıntılı olarak "Değerlendirme" ve "İş Yükü Hesaplaması" bölümlerinde verilmiştir.

Değerlendirme Ölçütleri
Yarıyıl Çalışmaları Sayısı Katkı
Dönem Ödevi / Proje 1 % 100
Toplam :
1
% 100

 
AKTS Hesaplama İçeriği
İş Yükü Sayısı Süre Toplam İş Yükü (Saat)
Ders Süresi 14 6 84
Sunum/Seminer Hazırlama 1 30 30
Proje 1 60 60
Toplam İş Yükü   AKTS Kredisi : 6 174

 
Dersin Öğrenme Çıktıları: Bu dersin başarılı bir şekilde tamamlanmasıyla öğrenciler şunları yapabileceklerdir:
Sıra NoAçıklama
1 Yapay Sinir Ağları (YSA)’nın temel ilkelerini ifade eder.
2 YSA ve klasik yöntemler arasındaki farkları belirler.
3 Tekli Doğrusal Algılayıcı (TDA) YSA ile çok tabakalı YSA’nı ayırt eder.
4 Çok tabakalı YSA’nın çalışma ilkelerini tanımlar.
5 YSA’nı eğittikten sonra modelleme yapar.
6 Öğretmensiz çalışan YSA ile çok değişkenli verileri kümelendirir.
7 YSA’nda öğretmenli eğitme ile öğretmensiz eğitme arasındaki fark(lar)ı bildirir.
8 MATLAB’ı kullanarak YSA’nı farklı alanlara uygular.

 
Ders Konuları
HaftaKonuÖn HazırlıkDökümanlar
1 Uzman sistemler ve Yapay Sinir Ağları (YSA)’nın esasları araştırma, okuma çeşitli kaynaklar
2 YSA ve klasik yöntemlere (çoklu regresyon, stokastik) benzerlik araştırma, okuma çeşitli kaynaklar
3 Tekli Doğrusal Algılayıcı (TDA) (Perceptron) araştırma, okuma çeşitli kaynaklar
4 Çok tabakalı YSA ve işletme ilkeleri araştırma, okuma çeşitli kaynaklar
5 Yapay sinir ağları ile eğitme ve modelleme araştırma, okuma çeşitli kaynaklar
6 Öğretmensiz çalışan YSA araştırma, okuma çeşitli kaynaklar
7 Geri dönüşümlü YSA araştırma, okuma çeşitli kaynaklar
8 Genel uygulamalar araştırma, okuma çeşitli kaynaklar
9 Her öğrencinin çalışma konusuna uygun kümeleme uygulaması MATLAB’da uygulama çeşitli kaynaklar
10 Her öğrencinin çalışma konusuna uygun kümeleme uygulaması MATLAB'da uygulama çeşitli kaynaklar
11 Her öğrencinin çalışma konusuna uygun modelleme uygulaması MATLAB'da uygulama çeşitli kaynaklar
12 Her öğrencinin çalışma konusuna uygun modelleme uygulaması MATLAB'da uygulama çeşitli kaynaklar
13 Her öğrencinin çalışma konusuna uygun modelleme uygulaması MATLAB'da uygulama çeşitli kaynaklar
14 Her öğrencinin çalışma konusuna uygun modelleme uygulaması MATLAB'da uygulama çeşitli kaynaklar
15 Her öğrencinin çalışma konusuna uygun modelleme uygulaması MATLAB'da uygulama çeşitli kaynaklar

 
Dersin Program Çıktılarına Katkısı
P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P11 P12 P13
Ö1 5 5
Ö2 4
Ö3
Ö4 5
Ö5 5 5 5
Ö6 5 5 5
Ö7 4
Ö8 5

  Katkı Düzeyi: 1: Çok Düşük 2: Düşük 3: Orta 4: Yüksek 5: Çok Yüksek

  
  https://obs.akdeniz.edu.tr/oibs/bologna/progCourseDetails.aspx?curCourse=2141465&curProgID=582&lang=tr