Yüksek Lisans - Fen Bilimleri Enstitüsü - Erciyes Üniversitesi
Yüksek Lisans - Fen Bilimleri Enstitüsü - Erciyes Üniversitesi
Yüksek Lisans - Fen Bilimleri Enstitüsü - Erciyes Üniversitesi
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Öğretim Metodu<br />
Öğrenciden İstenilen<br />
Gereklilikler<br />
Başarı Notunun<br />
Hesaplanması<br />
Önerilen Kaynaklar,<br />
Araç ve Gereçler<br />
Her konu için, teorik bilgiler verildikten sonra, bir takım sorunlar gösterilir ve<br />
çözülür. Konu tamamladıktan sonra öğrencilere ödevler verilir ve öğrencinin<br />
çözümünde zorlandığı kısımlar beraberce gözden geçirilir.<br />
Öğrencilerin soruları tahtada çözülerek cevaplanır.<br />
Öğrenci derslere devam etmek zorundadır ve derse gelmeden önce daha önceden<br />
işlenmiş olan konuları tekrar etmesi gerekmektedir. Her öğrenci verilmiş olan<br />
ödevleri çözmek zorundadır. Ödevlerinde karşılaştığı sorunlara açıklık getirmek<br />
için sorular sormalıdır.<br />
Öğrenci notunun son hali; ara sınavın % 40 ile final sınavın % 60 ının toplanarak<br />
hesaplanması ile bulunmaktadır. <strong>Yüksek</strong> <strong>Lisans</strong> programı dersini başarı ile<br />
geçebilmesi için minumum 70/100 (2.00, CC), Doktora program dersini başarı ile<br />
geçebilmesi için minimum 75/100 (2.50, CB) olması zorunludur.<br />
<strong>Lisans</strong>üstü programlarına derecelendirme sistemi 100 puan üzerindendir, ancak söz<br />
konusu derecelendirme sistemi uyarlanabilir ve kullanılabilir.<br />
Karaboga D., Yapay Zeka Optimizasyon Algoritmaları, Nobel Yayın Dağıtım,<br />
2011<br />
Stuart Russell, Peter Norvig; “Artificial Intelligence A Modern Approach”,<br />
Prentice-Hall, Inc., 1995.<br />
Haftalara Göre Ders Planı<br />
Haftalar<br />
Konular<br />
1. Hafta Zeka ve Yapay Zeka<br />
2. Hafta Danışmasız Öğrenme<br />
3. Hafta Danışmalı Öğrenme<br />
4. Hafta Öğrenme güçlendirme<br />
5. Hafta İstatistiksel örüntü tanıma<br />
6. Hafta Çok Boyutlu Algılama<br />
7. Hafta Çok Boyutlu Algılama<br />
8. Hafta ARA SINAV<br />
9. Hafta Delta Geri Beslemeli Öğrenme Kuralı<br />
10. Hafta MLP için diğer öğrenme kuralları<br />
11. Hafta Kernel Fonksiyonları<br />
12. Hafta Radial basis networks<br />
13. Hafta Öğrenme vektör kuantizasyonu<br />
14. Hafta Self organizing map<br />
ERCİYES ÜNİVERSİTESİ<br />
FEN BİLİMLERİ ENSTİTUSÜ<br />
HARİTA MÜHENDİSLİĞİ<br />
ANABİLİMDALI<br />
I. GENEL BİLGİLER<br />
Ders Adı<br />
Araç Takip ve Navigasyon Sistemleri<br />
Dönemi: BAHAR Dili: Türkçe<br />
Kredisi (T-P-K) : 3-0-3 ECTS Kredisi: 7.0<br />
Öğretim Üyesi Yrd.Doç.Dr. Bülent BOSTANCI<br />
Görüşme Saatleri Pzt. /Salı /Çrş. /Prş./Cuma: 14.00-14.30<br />
E posta: bbostanci@erciyes.edu.tr<br />
WEB:<br />
Fakülte iletişim adresi:<br />
<strong>Erciyes</strong> <strong>Üniversitesi</strong>, Mühendislik Fakültesi, Harita Mühendisliği Bölümü, 38039-Kayseri /<br />
TURKİYE<br />
Tel: 90 352 437 49 01 Dahili 32655<br />
Faks: 90 352 437 57 84<br />
II. DERS BİLGİLERİ<br />
Ders Tipi ve Seviyesi