Dersin Ayrıntıları

Yarıyıl	Kodu	Adı	T+U+L	Kredi	AKTS	Son Güncelleme Tarihi
2	ÇEV 5026	Yapay Sinir Ağları Yönteminin Çevre Mühendisliğinde Kullanımı	3+0+0	3	6	21.11.2018

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 No	Açıklama
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

Hafta	Konu	Ön Hazırlık	Dökümanlar
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	P12
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