AKTS - Gevşek Hesaplama

Gevşek Hesaplama (CMPE466) Ders Detayları

Ders Adı Ders Kodu Dönemi Saati Uygulama Saati Laboratuar Hours Kredi AKTS
Gevşek Hesaplama CMPE466 Alan Seçmeli 3 0 0 3 5
Ön Koşul Ders(ler)i
N/A
Dersin Dili İngilizce
Dersin Türü Teknik Seçmeli Dersler
Dersin Seviyesi Lisans
Ders Verilme Şekli Yüz Yüze
Dersin Öğrenme ve Öğretme Teknikleri Anlatım.
Dersin Koordinatörü
Dersin Öğretmen(ler)i
Dersin Asistan(lar)ı
Dersin Amacı Dersin amacı sinir ağları ile ilgili temel bilgi edinmek, bulanık mantık ve optimizasyon kavramlarını, ilgili algoritmaları ve konuların birbirleri ile olan ilişkilerini öğrenmek.
Dersin Eğitim Çıktıları Bu dersi başarıyla tamamlayabilen öğrenciler;
  • Alan ile ilgili nümerik metotları gerçekleştirebilme
  • Bulanık küme kavramını anlatabilme
  • Türevden bağımsız ve türeve dayalı optimizasyon yöntemlerini uygulayabilme
  • Yapay sinir ağlarını ve öğrenme konusunu tartışma
  • Yapay sinir – bulanık mantık modellemesini kavrama
  • Konu ile ilgili uygulamaların farkına varma
Dersin İçeriği Biyolojik ve yapay sinir ağları, geriye yayılma algoritması ve çok katmanlı geriye yayılma algoritması; yapay sinir ağları modelleri ve öğrenme algoritmaları; bulanık mantık ve bulanık kümeler; temel bulanık mantık matematiği; bulanık işlemler, bulanık sistemler, bulanık akıllı sistemleri, bulanık kontrol, genetik algoritmalar, yapay sinir ağlarını

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

Hafta Konular Ön Hazırlık
1 Giriş Ana ders kitabı Bölüm 1
2 Bulanık Kümeler Bölüm 2
3 Bulanık Kurallar ve Bulanık Mantık Bölüm 3
4 Bulanık Kurallar ve Bulanık Mantık Bölüm 3
5 Bulanık Anlam Çıkarma Sistemleri Bölüm 4
6 Türeve Dayalı Optimizasyon Bölüm 6
7 Türevden Bağımsız Optimizasyon Bölüm 7
8 Türevden Bağımsız Optimizasyon Bölüm 7
9 Denetimli Öğrenme Yapay Sinir Ağları Bölüm 9
10 Denetimsiz Öğrenme Yapay Sinir Ağları Bölüm 11
11 İntibak Edici Yapay Sinir Ağları – Bulanık Anlam Çıkarma Sistemleri Bölüm 12
12 İntibak Edici Yapay Sinir Ağları – Bulanık Anlam Çıkarma Sistemleri Bölüm 12
13 Zorunlu Yapay Sinir Ağları – Bulanık Modelleme Bölüm 13
14 Uygulamalar Bölüm 19 - 22

Kaynaklar

Ders Kitabı 1. J. S. R. Jang, C. T. Sun and E. Mizutai, “Neuro-Fuzzy and Soft Computing”, 1997.
Diğer Kaynaklar 2. Timothy J. Ross, “Fuzzy Logic with Engineering Applications”, McGraw-Hill, 1997.
3. Zioluchian Ali, Jamshidi Mo, “Intelligent Control Systems Using Soft Computing Methodologies”, CRC Press, 2001.
4. D. E. Goldberg, “Genetic Algorithms: Search, Optimization and Machine Learning”, Addison Wesley, N.Y., 1989.
5. S. Rajasekaran and G.A.V.Pai, “Neural Networks, Fuzzy Logic and Genetic Algorithms”, PHI, 2003.
6. L. H. Tsoukalas, R. E. Uhrig, “Fuzzy and Neural Approaches in Engineering”, John Wiley, N. Y., 1997.

Değerlendirme System

Çalışmalar Sayı Katkı Payı
Devam/Katılım - -
Laboratuar - -
Uygulama - -
Alan Çalışması - -
Derse Özgü Staj - -
Küçük Sınavlar/Stüdyo Kritiği - -
Ödevler 4 20
Sunum - -
Projeler 1 25
Rapor - -
Seminer - -
Ara Sınavlar/Ara Juri 1 25
Genel Sınav/Final Juri 1 30
Toplam 7 100
Yarıyıl İçi Çalışmalarının Başarı Notu Katkısı 70
Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı 30
Toplam 100

Kurs Kategorisi

Temel Meslek Dersleri
Uzmanlık/Alan Dersleri
Destek Dersleri X
İletişim ve Yönetim Becerileri Dersleri
Aktarılabilir Beceri Dersleri

Dersin Öğrenim Çıktılarının Program Yeterlilikleri ile İlişkisi

# Program Yeterlilikleri / Çıktıları Katkı Düzeyi
1 2 3 4 5
1 Matematik, fen bilimleri ve yazılım mühendisliği disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanabilme becerisi. X
2 Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi. X
3 Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi. X
4 Yazılım mühendisliği uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi. X
5 Karmaşık mühendislik problemlerinin veya yazılım mühendisliği disiplinine özgü araştırma konularının incelenmesi için, veri toplama, sonuçları analiz etme ve yorumlama becerisi.
6 Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi. X
7 Türkçe sözlü ve yazılı etkin iletişim kurma becerisi; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi.
8 En az bir yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi.
9 Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi.
10 Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci.
11 Yazılım mühendisliği uygulamalarında kullanılan standartlar hakkında bilgi.
12 Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi.
13 Girişimcilik ve yenilikçilik hakkında farkındalık.
14 Sürdürülebilir kalkınma hakkında bilgi.
15 Yazılım mühendisliği uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi.
16 Mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık.
17 Yazılım alternatiflerini irdeleyerek bilgisayar tabanlı sistemlerin modellenmesi ve tasarımında, algoritma prensiplerini, matematiksel temelleri ve bilgisayar bilimleri teorisini uygulama becerisi. X
18 Yazılım sistemlerinin analiz, tasarım, uygulama, doğrulama, geçerleme ve bakım süreçlerini uygulayarak geliştirilmesinde mühendislik yaklaşımlarını uygulama becerisi. X

ECTS/İş Yükü Tablosu

Aktiviteler Sayı Süresi (Saat) Toplam İş Yükü
Ders saati (Sınav haftası dahildir: 16 x toplam ders saati) 16 3 48
Laboratuar
Uygulama
Derse Özgü Staj
Alan Çalışması
Sınıf Dışı Ders Çalışma Süresi 16 2 32
Sunum/Seminer Hazırlama
Projeler 1 10 10
Raporlar
Ödevler 4 3 12
Küçük Sınavlar/Stüdyo Kritiği
Ara Sınavlara/Ara Juriye Hazırlanma Süresi 1 10 10
Genel Sınava/Genel Juriye Hazırlanma Süresi 1 15 15
Toplam İş Yükü 127