Bilgi Paketi / Ders Kataloğu
| Mekatronik ve Robotik Mühendisliği (YL) (Tezsiz) (İngilizce) | |||||
| Yüksek Lisans | Programın Süresi: 1.5 | Kredi Sayısı: 90 | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF: 7. Düzey |
Ders Genel Tanıtım Bilgileri
| Yüksekokul/Myo/Fakülte/Enstitü | Lisansüstü Eğitim Enstitüsü | ||||
| Ders Kodu | ITC 548 | ||||
| Ders Adı İngilizce | Real World Applications of Machine Learning and Deep Learning | ||||
| Ders Adı Türkçe | Makine Öğrenimi ve Derin Öğrenmenin Gerçek Dünya Uygulamaları | ||||
| Öğretim Dili | EN | ||||
| Ders Türü | Ters-Yüz Öğrenme | ||||
| Dersin Düzeyi | Orta | ||||
| Dönem | Bahar | ||||
| Haftalık İletişim Saatleri |
|
||||
| Tahmini Öğrenci İş Yükü | Dönem boyunca 187 saat | ||||
| Ders Kredileri | 7.5 AKTS | ||||
| Değerlendirme | Standart Harf Notu | ||||
| Ön Koşul | Yok | ||||
| Yan Koşul | Yok | ||||
| Beklenen Ön Bilgi | Yok | ||||
| Kayıt Kısıtlamaları | Sadece Yüksek Lisans Öğrencileri | ||||
| Genel Eğitim Hedefi | Zorlu mühendislik, bilim, sağlık ve iş sorunlarını çözen makine ve derin öğrenmeye dayalı akıllı sistemleri tasarlamak için gerekli teknik becerileri geliştirmek ve pratik uzmanlık kazanmak. | ||||
| Ders Açıklaması | Bu ders makine öğrenimi ve derin öğrenme yöntemlerinin gerçek dünya problemlerine uygulanmalarını içermektedir. Konular, gözetimli öğrenme, ileri-yönlü sinir ağları, evrişimsel sinir ağları ve yinelemeli sinir ağları ile bu yöntemlerin veri açısından zengin alanlarındaki karmaşık mühendislik problemlerine uygulanmasını içerir. |
Ders Öğrenme Çıktıları ve YeterliliklerBu dersi başarıyla tamamlayabilen öğrenciler:1) Makine öğrenimi ve derin öğrenme yöntemlerini kullanmanın temel ilkelerini bilmek 2) Denetimli öğrenme yöntemlerini ve ileri beslemeli sinir ağlarını gerçek dünya sorunlarını uygulamak 3) Gerçek dünya görüntü işleme/bilgisayarlı görme uygulamalarında evrişimli sinir ağlarını kullanmak 4) Tekrarlayan sinir ağlarını doğal dil işleme problemlerini uygulamak 5) Farklı alanlarda makine öğrenimi ve derin öğrenme yöntemlerinin performansını değerlendirmek |
| Program Öğrenme Çıktıları/Ders Öğrenme Çıktıları | 1 | 2 | 3 | 4 | 5 |
|---|---|---|---|---|---|
| 1) Lisans düzeyi yeterliliklerine dayalı olarak, mekatronik mühendisliği ve robotik alanında bilgilerini uzmanlık düzeyinde geliştirebilir ve derinleştirebilir. | |||||
| 2) Mekatronik mühendisliği ve robotik konularında bilimsel araştırma yaparak derinlemesine ve genişlemesine kuramsal ve uygulamalı bilgilere sahiptir. | |||||
| 3) Mekatronik mühendisliğinde kullanılan analiz ve modelleme yöntemleri ile bunların kısıtları hakkında kapsamlı bilgiye sahiptir. | |||||
| 4) Analitik, modelleme ve deneysel esaslı araştırmaları tasarlar ve uygular, bu süreçte karşılaşılan karmaşık durumları çözümler ve yorumlar. | |||||
| 5) Mekatronik sistemlerin süreç ve sonuçlarını, o alandaki veya alan dışındaki ulusal ve uluslararası ortamlarda sistematik ve açık bir şekilde yazılı ya da sözlü olarak aktarır. | |||||
| 6) Mekatronik ve robotik sistemlerin tasarlanması ve gerçeklenmesi aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. | |||||
| 7) Mesleğinin yeni ve gelişmekte olan uygulamaları hakkında farkındalığa sahip olduğunu inceler ve uygulamalarıyla gösterir. | |||||
| 8) Çok disiplinli takımlarda liderlik yapar, karmaşık durumlarda mekatronik ve robotik sistemlerin tasarlanması ve analizinde çözüm yaklaşımları geliştirir ve sorumluluk alır. | |||||
| 9) İngilizce dili en az Avrupa Dil Portföyü B2 Genel Düzeyinde kullanarak sözlü ve yazılı iletişim kurar. | |||||
| 10) Mekatronik ve robotik uygulamalarının sosyal ve çevresel boyutlarını anlar. |
Program Sonuçları ve Yeterliliklerle İlişkisi
| N Yok | S Destekleyici | H Çok İlgili |
| Program Çıktıları ve Yeterlilikler | Düzey | Değerlendirme | |
| 1) | Lisans düzeyi yeterliliklerine dayalı olarak, mekatronik mühendisliği ve robotik alanında bilgilerini uzmanlık düzeyinde geliştirebilir ve derinleştirebilir. | H | |
| 2) | Mekatronik mühendisliği ve robotik konularında bilimsel araştırma yaparak derinlemesine ve genişlemesine kuramsal ve uygulamalı bilgilere sahiptir. | H | |
| 3) | Mekatronik mühendisliğinde kullanılan analiz ve modelleme yöntemleri ile bunların kısıtları hakkında kapsamlı bilgiye sahiptir. | N | |
| 4) | Analitik, modelleme ve deneysel esaslı araştırmaları tasarlar ve uygular, bu süreçte karşılaşılan karmaşık durumları çözümler ve yorumlar. | N | |
| 5) | Mekatronik sistemlerin süreç ve sonuçlarını, o alandaki veya alan dışındaki ulusal ve uluslararası ortamlarda sistematik ve açık bir şekilde yazılı ya da sözlü olarak aktarır. | N | |
| 6) | Mekatronik ve robotik sistemlerin tasarlanması ve gerçeklenmesi aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. | N | |
| 7) | Mesleğinin yeni ve gelişmekte olan uygulamaları hakkında farkındalığa sahip olduğunu inceler ve uygulamalarıyla gösterir. | S | |
| 8) | Çok disiplinli takımlarda liderlik yapar, karmaşık durumlarda mekatronik ve robotik sistemlerin tasarlanması ve analizinde çözüm yaklaşımları geliştirir ve sorumluluk alır. | S | |
| 9) | İngilizce dili en az Avrupa Dil Portföyü B2 Genel Düzeyinde kullanarak sözlü ve yazılı iletişim kurar. | N | |
| 10) | Mekatronik ve robotik uygulamalarının sosyal ve çevresel boyutlarını anlar. | N |
| Hazırlayan ve Tarih | , |
| Ders Koordinatörü | TUNA ÇAKAR |
| Dönem | Bahar |
| Dersi Veren(ler) | Öğr. Gör. MEHMET YİĞİT KÖKSAL |
Ders İçeriği
| Hafta | Konu |
| 1) | Makine Öğrenimi ve Derin Öğrenme Kavramlarına Giriş |
| 2) | Denetimli Öğrenme Uygulamaları |
| 3) | İleri Beslemeli Sinir Ağları |
| 4) | Evrişimsel Sinir Ağları |
| 5) | Derin Öğrenme Görüntüsü Veri Kümesi Oluşturma |
| 6) | Performans Değerlendirmesi: Eğitim, Test ve Doğrulama |
| 7) | Gerçek Dünya Görüntü İşleme / Bilgisayarlı Görü Uygulamaları – Bölüm 1 |
| 8) | Gerçek Dünya Görüntü İşleme / Bilgisayarlı Görü Uygulamaları – Bölüm 2 |
| 9) | Gerçek Dünya Görüntü İşleme / Bilgisayarlı Görü Uygulamaları – Bölüm 3 |
| 10) | Dönem Projesi İlerleme Sunumları |
| 11) | Gerçek Dünya Doğal Dil İşleme Uygulamaları – Bölüm 1 |
| 12) | Gerçek Dünya Doğal Dil İşleme Uygulamaları – Bölüm 2 |
| 13) | Gerçek Dünya Doğal Dil İşleme Uygulamaları – Bölüm 3 |
| 14) | Dönem Projesi Sunumları |
| 15) | Proje/Sunum Dönemi |
| 16) | Proje/Sunum Dönemi |
| Gerekli/Tavsiye Edilen Okumalar | Introduction to Machine Learning, Ethem Alpaydın, MIT Press, 3rd Edition (2015) Deep Learning with Python, François Chollet, Manning, Second Edition (2021) | |||||||||||||||
| Öğretme Teknikleri | Flipped Sınıf | |||||||||||||||
| Ödev ve Projeler | Ödevler ve dönem projesi | |||||||||||||||
| Laboratuvar Çalışması | Yok | |||||||||||||||
| Bilgisayar Kullanımı | Gerekli | |||||||||||||||
| Diğer Aktiviteler | Yok | |||||||||||||||
| Değerlendirme Yöntemleri |
|
|||||||||||||||
| Ders Yönetimi |
|
|||||||||||||||
AKTS Öğrenci İş Yükü Tahmini
| AKtivite | Hafta Sayısı | Saat | Hesaplama | ||||
| Yarıyıl Başına Hafta Sayısı | Etkinliğe Hazırlık | Etkinliğin Kendisinde Harcanan | Etkinlik Gereksinimlerini Tamamlama | ||||
| Ders Saati | 14 | 2 | 3 | 2 | 98 | ||
| Ödevler | 6 | 10 | 1 | 66 | |||
| Final | 1 | 20 | 2 | 1 | 23 | ||
| Toplam İş Yükü | 187 | ||||||
| Toplam İş Yükü/25 | 7.5 | ||||||
| AKTS | 7.5 | ||||||