>
Dersin Adı | Dersin Kodu | Dersin Türü | Dersin Düzeyi | Dersin Yılı | Dersin Verildiği Dönem | AKTS Kredisi |
---|---|---|---|---|---|---|
Yapay Sinir Ağları | TBL412 | Seçmeli | Lisans | 4 | Güz | 5 |
Doç. Dr. Zeynep Hilal KİLİMCİ
Arş. Gör. Zeynep SARI
1) İleri beslemeli yapay sinir ağlarını öğrenir.
2) Geri beslemeli yapay sinir ağlarını öğrenir.
3) Radyal tabanlı fonksiyon ağlarını öğrenir.
4) Temel bilşenleri analiz eder
5) Kendi kendini organize eden YSA geliştirir.
Program Yeterlilikleri | ||||||||||||
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | ||
Öğrenme Kazanımları | ||||||||||||
1 | Yüksek | |||||||||||
2 | ||||||||||||
3 | ||||||||||||
4 | ||||||||||||
5 |
Yüz Yüze
Yok
İstenmemekte
Giriş. Yapay sinir ağlarında (YSA) öğrenme işlemi. YSA’nın uygulama alanları. İlk yapay sinir ağları. İleri beslemeli (feed forward) YSA. Geri beslemeli (recurrent) yapay sinir ağları. Radyal tabanlı (radial basis) fonksiyon ağları. Çağrışımlı (associative) bellek ağları. Temel bileşenler analizi. Kendi kendini organize eden (self-organizing maps) YSA. Destekleyici öğrenmeli vektör nicemleme (learning vector quantization) ağları. Uyarlamalı rezonans kuramı (adaptive resonance theory) ağları. Modül yapay sinir ağları. Neurodinamik programlama.
1- Andriy Burkov, Machine Learning Engineering
2- Andreas C. Müller, Sarah Guido, Introduction to Machine Learning with Python: A Guide for Data Scientists
3- Kevin P. Murphy, Machine Learning: A Probabilistic Perspective (Adaptive Computation and Machine Learning series)
1) Anlatım
2) Soru-Cevap
3) Tartışma
4) Alıştırma ve Uygulama
5) Grup Çalışması
6) Bireysel Çalışma
7) Proje Temelli Öğrenme
Ara Sınav Notunun Başarıya Oranı |
40% |
---|---|
Yarıyıl Sonu Sınavının Başarıya Oranı |
60% |
Toplam |
100% |
Türkçe
İstenmemekte