| Ders Adı | Kodu | Yerel Kredi | AKTS | Ders (saat/hafta) | Uygulama (saat/hafta) | Laboratuar (saat/hafta) |
|---|---|---|---|---|---|---|
| Doğa Temelli Hesaplama | BLM5211 | 3 | 7.5 | 3 | 0 | 0 |
| Önkoşullar | Yok |
|---|
| Yarıyıl | Güz, Bahar |
|---|
| Dersin Dili | İngilizce, Türkçe |
|---|---|
| Dersin Seviyesi | Yüksek Lisans |
| Dersin Türü | Seçmeli @ Bilgisayar Mühendisliği ABD Bilgi Teknolojileri Yüksek Lisans Programı (Tezsiz, 2. Öğretim) Seçmeli @ Bilgisayar Mühendisliği ABD Bilgi Teknolojileri Yüksek Lisans Programı (Tezsiz, 2. Öğretim, İngilizce) |
| Ders Kategorisi | Uzmanlık/Alan Dersleri |
| Dersin Veriliş Şekli | Yüz yüze |
| Dersi Sunan Akademik Birim | Bilgisayar Mühendisliği Bölümü |
|---|---|
| Dersin Koordinatörü | M. Fatih Amasyalı |
| Dersi Veren(ler) | Banu Diri |
| Asistan(lar)ı |
| Dersin Amacı | Doğa temelli algoritmalarla problem çözme kabiliyeti kazanmak. |
|---|---|
| Dersin İçeriği | Temel optimizasyon tekniklerini ve çeşitli doğa temelli algoritmaları, bunların fayda ve limitlerini öğrenmek. |
| Ders Kitabı / Malzemesi / Önerilen Kaynaklar | |
| Opsiyonel Program Bileşenleri | Yok |
Ders Öğrenim Çıktıları
- Öğrenciler temel istatistiksel optimazyon yöntemlerini öğrenecektir.
- Öğrenciler çeşitli doğa temelli algoritmaları, bunların fayda ve limitlerini öğrenecektir.
- Öğrenciler verilen bir problem için uygun optimizasyon yöntemini seçebilecektir.
- Öğrenciler verilen bir problem için optimizasyon gerçekleyebilecektir.
- Öğrenciler doğa temelli yöntemler için bilgi temsil yöntemlerini, avantaj ve dezavantajlarını öğrenecektir.
Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları
| Hafta | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Ders Tanıtımı | |
| 2 | Temel optimizasyon yöntemleri | |
| 3 | Lokal Arama Algoritmaları | |
| 4 | Benzetimli Tavlama Yöntemi | |
| 5 | Genetik Algoritmalar | |
| 6 | Yapay Sinir Ağları, Zaman serileri için YSA’ların kullanımı, Rekörsif sinir ağları | |
| 7 | Topluluk zekası, Karınca Kolonisi optimizasyonu, Parçacık optimizasyonu | |
| 8 | Yapay Arı kolonisi optimizasyonu | |
| 9 | Yapay Bağışıklık sistemleri | |
| 10 | Vize | |
| 11 | Kendi kendini düzenleyen sistemler | |
| 12 | Yarışma ve işbirliği, Kolektif Öğrenme | |
| 13 | Öğrenci makale sunumları | |
| 14 | Örnek uygulama alanları | |
| 15 | Öğrenci proje sunumları | |
| 16 | Final sınavı |
Değerlendirme Sistemi
| Etkinlikler | Sayı | Katkı Payı |
|---|---|---|
| Devam/Katılım | ||
| Laboratuar | ||
| Uygulama | ||
| Arazi Çalışması | ||
| Derse Özgü Staj | ||
| Küçük Sınavlar/Stüdyo Kritiği | ||
| Ödev | 2 | 15 |
| Sunum/Jüri | 1 | 10 |
| Projeler | 1 | 20 |
| Seminer/Workshop | ||
| Ara Sınavlar | 1 | 15 |
| Final | 1 | 40 |
| Dönem İçi Çalışmaların Başarı Notuna Katkısı | ||
| Final Sınavının Başarı Notuna Katkısı | ||
| TOPLAM | 100 | |
AKTS İşyükü Tablosu
| Etkinlikler | Sayı | Süresi (Saat) | Toplam İşyükü |
|---|---|---|---|
| Ders Saati | 16 | 3 | |
| Laboratuar | |||
| Uygulama | |||
| Arazi Çalışması | |||
| Sınıf Dışı Ders Çalışması | 16 | 4 | |
| Derse Özgü Staj | |||
| Ödev | 2 | 10 | |
| Küçük Sınavlar/Stüdyo Kritiği | |||
| Projeler | 1 | 40 | |
| Sunum / Seminer | 1 | 20 | |
| Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 10 | |
| Final (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 20 | |
| Toplam İşyükü : | |||
| Toplam İşyükü / 30(s) : | |||
| AKTS Kredisi : | |||
| Diğer Notlar | Yok |
|---|
