GEMİ İNŞAATI VE GEMİ MAK. YÜKSEK PERFORMANSLI DENİZ PLATFORMLARI -TEZLİ YL
Kazanılan Yeterlilik	Program Süresi	Toplam Kredi (AKTS)	Öğretim Şekli	Yeterliliğin Düzeyi ve Öğrenme Alanı
YÜKSEK LİSANS DERECESİ	2	120	ÖRGÜN	TYÇ, TYYÇ, EQF-LLL, ISCED (2011):7. Düzey QF-EHEA:2. Düzey TYYÇ, ISCED (1997-2013):

DERSİN GENEL BİLGİLERİ

Ders Kodu:

EEE555

Ders İsmi:

ARTIFICIAL NEURAL NETWORKS AND ENGINEERING APPLICATIONS

Ders Yarıyılı:

Bahar

Ders Kredileri:

Teorik	Uygulama	Kredi	AKTS
3		3	8

Öğretim Dili:

İngilizce

Ders Koşulu:

Ders İş Deneyimini Gerektiriyor mu?:

Hayır

Dersin Türü:

Bölüm/Program Seçmeli

Dersin Seviyesi:

Yüksek Lisans

TYYÇ:7. Düzey

QF-EHEA:2. Düzey

EQF-LLL:7. Düzey

Dersin Veriliş Şekli:

Yüz yüze

Dersin Koordinatörü:

Dr. Öğr. Üyesi Erdem BİLGİLİ

Dersi Veren(ler):

Dr. Erdem Bilgili

Dersin Yardımcıları:

Dersin Amaç ve İçeriği

Dersin Amacı:

The course is basically an introduction to the artificial intelligence. ANN and Genetic algorithms is introduced to the students. Fundamental concepts of the fuzzy logics, deep learning neural networks and their applications are studied..

1. Students learn the fundamentals of artificial neural networks, such as multilayer Feedforward ANN, Cellular Neural Network, Hopfield Nets.
2. Students learn how to apply neural networks for forecasting and optimisation applications
3. Students study, genetic algorithms and its applications.
4. Students are introduced fundamental concepts of the fuzzy logic such as fuzzy sets, fuzzification, defuzzification.
5. Students will learn how to combine ANN, Fuzzy Logic Systems, and Genetic Algorithm for a specific purposes.

Dersin İçeriği:

Introduction to Computers
Artificial Intelligence
Human Brain , Computers, Artificial Neural Network
Multilayer Neural Networks
Backpropagation
Self Organising Maps
Fuzzy Logics
Genetic Algorithms, Genetic Operators
MIDTERM
Optimisation with GA
Hopfield Networks
Deep Learning
Tensor Flows and Deep Beliefs
Review

Öğrenme Kazanımları

Bu dersi başarıyla tamamlayabilen öğrenciler;
1) I. Understand the importance of artificial intelligent techniques.
2) II. Be able to analyze and design artificial neural network system.
3) III. Understand and be able to determine the stability of a dynamic neural network.
4) IV. Use and understand fuzzy logic systems
5) V. Know how a GA could be applied for any optimization tasks
6) VI. Know the basic definition of the pattern recognition tasks and ANN applications
7) VII. Use ANN for analysis and design of control systems
8) VIII. Know the design ANN for forecasting applications

Ders Akış Planı

Hafta	Konu	Ön Hazırlık
1)	Introduction to Computers
2)	Artificial Intelligence
3)	Human Brain , Computers, Artificial Neural Network
4)	Multilayer Neural Networks
5)	Backpropagation
6)	Self Organizing Maps
7)	Fuzzy Logics
8)	Genetic Algorithms, Genetic Operators
9)	MIDTERM
10)	Optimization with GA
11)	Hopfield Networks
12)	Deep Learning
13)	Tensor Flows and Deep Beliefs
14)	Review

Kaynaklar

Ders Notları / Kitaplar:	• Principles of Artificial Neural Networks, Daniel Graupe • Dorf and Bishop, Modern Control Systems, 12 /E, Prentice Hall, 2011. ISBN-10: 0136024580, ISBN-13: 9780136024583.
Diğer Kaynaklar:	• Principles of Artificial Neural Networks, Daniel Graupe • Dorf and Bishop, Modern Control Systems, 12 /E, Prentice Hall, 2011. ISBN-10: 0136024580, ISBN-13: 9780136024583.

Ders - Program Öğrenme Kazanım İlişkisi

Ders Öğrenme Kazanımları	1	2	3	4	5	6	7	8
Program Öğrenme Çıktıları
1) Teknoloji alanında uygulanan güncel teknik ve yöntemler ile bunların kısıtları, etkileri ve sonuçlarını tekrarlar
2) Sınırlı ya da eksik verileri kullanarak bilimsel yöntemlerle bilgiyi tamamlar ve uygular; değişik disiplinlere ait bilgileri bütünleştirir
3) Modelleme ve deneysel araştırmaları uygular; bu süreçte karşılaşılan karmaşık durumları çözümler
4) Teknoloji alanında çok disiplinli takımlarda liderlik yapar
5) Teknoloji alanında kullanılan yöntem ve yazılımlar ile iletişim teknolojilerini ileri düzeyde kullanır
6) Verilerin toplanması, yorumlanması, uygulanması ve duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir
7) Gemi İnşa alanında uygulamalı araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşabilir, bilgiyi değerlendirebilir ve karşılaşılan problemlerin çözülebilmesi için stratejik ve özgün yaklaşım geliştirebilir
8) Çalışmaların süreç ve sonuçlarını, ulusal ve uluslar arası ortamlarda yazılı, sözlü ve görsel olarak sistemli biçimde aktarır

Ders - Öğrenme Kazanımı İlişkisi

Etkisi Yok	1 En Düşük	2 Orta	3 En Yüksek

	Dersin Program Kazanımlarına Etkisi	Katkı Oranı
1)	Teknoloji alanında uygulanan güncel teknik ve yöntemler ile bunların kısıtları, etkileri ve sonuçlarını tekrarlar
2)	Sınırlı ya da eksik verileri kullanarak bilimsel yöntemlerle bilgiyi tamamlar ve uygular; değişik disiplinlere ait bilgileri bütünleştirir
3)	Modelleme ve deneysel araştırmaları uygular; bu süreçte karşılaşılan karmaşık durumları çözümler
4)	Teknoloji alanında çok disiplinli takımlarda liderlik yapar
5)	Teknoloji alanında kullanılan yöntem ve yazılımlar ile iletişim teknolojilerini ileri düzeyde kullanır
6)	Verilerin toplanması, yorumlanması, uygulanması ve duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir
7)	Gemi İnşa alanında uygulamalı araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşabilir, bilgiyi değerlendirebilir ve karşılaşılan problemlerin çözülebilmesi için stratejik ve özgün yaklaşım geliştirebilir
8)	Çalışmaların süreç ve sonuçlarını, ulusal ve uluslar arası ortamlarda yazılı, sözlü ve görsel olarak sistemli biçimde aktarır

Öğrenme Etkinliği ve Öğretme Yöntemleri

Ölçme ve Değerlendirme Yöntemleri ve Kriterleri

Ölçme ve Değerlendirme

Yöntemler	Uygulama Sayısı / Yarıyıl	Katkı Oranı
Ödev	1	% 10
Sunum	1	% 10
Ara Sınavlar	1	% 40
Yarıyıl Sonu Sınavı	1	% 40
Toplam		% 100
YARIYIL İÇİ ÖLÇME VE DEĞERLENDİRME YÖNTEMLERİNİN BAŞARI NOTUNA KATKI ORANI		% 60
YARIYIL SONU SINAVININ BAŞARI NOTUNA KATKI ORANI		% 40
Toplam		% 100

İş Yükü ve AKTS Kredisi Hesaplaması

Aktiviteler	Uygulama Sayısı / Yarıyıl	Süre (Saat)	İş Yükü (Saat)
Ders	13	3	39
Uygulama	12	1	12
Sınıf Dışı Ders Çalışması	12	1	12
Sunum / Seminer	1	5	5
Proje	1	5	5
Ödevler	1	6	6
Ara Sınavlar	1	15	15
Yarıyıl Sonu Sınavı	1	10	10
Toplam İş Yükü			104