| BİLGİSAYAR MÜHENDİSLİĞİ (YL) (TEZLİ) | |||||
|---|---|---|---|---|---|
| Kazanılan Yeterlilik | Program Süresi | Toplam Kredi (AKTS) | Öğretim Şekli | Yeterliliğin Düzeyi ve Öğrenme Alanı | |
| 2 | 120 | FULL TIME |
TYÇ, TYYÇ, EQF-LLL, ISCED (2011):7. Düzey QF-EHEA:2. Düzey TYYÇ, ISCED (1997-2013): 48,52 |
||
| Ders Kodu: | 3016002053 | ||||||||||
| Ders İsmi: | Yapay Sinir Ağları | ||||||||||
| Ders Yarıyılı: |
Güz |
||||||||||
| Ders Kredileri: |
|
||||||||||
| Öğretim Dili: | TR | ||||||||||
| Ders Koşulu: | |||||||||||
| Ders İş Deneyimini Gerektiriyor mu?: | Hayır | ||||||||||
| Ders İçin Önerilen Diğer Hususlar: | Dersin başarısını artırmak ve öğrencilerin etkili bir öğrenme deneyimi yaşamasını sağlamak amacıyla bazı ek hususlar önerilmektedir. Öncelikle, dersin içeriğini anlamak için öğrencilerin temel matematiksel kavramlar, programlama bilgisi veya makine öğrenmesi hakkında önceden bilgi sahibi olmaları beklenebilir. Ayrıca, derste kullanılacak yazılım ve araçların, örneğin TensorFlow, PyTorch ve Jupyter Notebook gibi, önceden öğrencilere tanıtılması önemlidir. Değerlendirme yöntemlerinin açık bir şekilde belirlenmesi, sınavlar, ödevler ve proje raporları gibi kriterleri içermelidir. Kaynaklar ve okuma listesi, temel ve ek materyallerle desteklenmeli, böylece öğrenciler konuları derinlemesine inceleyebilirler. Dersin sonunda uygulanacak projeler, teorik bilgilerin pratiğe dökülmesini sağlayacak şekilde tasarlanmalıdır. Ayrıca, ders içeriğinin güncel kalmasını sağlamak için düzenli olarak gözden geçirilmesi ve güncellenmesi gerekmektedir. Öğrencilere ek destek ve danışmanlık hizmetleri sunulmalı, bireysel danışmanlık saatleri veya ek çalışma oturumları gibi destek mekanizmaları sağlanmalıdır. Son olarak, yapay zeka ve veri kullanımına dair etik ve yasal konulara dikkat edilmesi, öğrencilerin bu alandaki sorumluluklarını anlamalarına yardımcı olacaktır. Bu hususlar, öğrencilerin hem teorik hem de pratik bilgi açısından kapsamlı bir öğrenme süreci geçirmelerini destekleyecektir. | ||||||||||
| Dersin Türü: | Anabilim Dalı/Lisansüstü Seçmeli | ||||||||||
| Dersin Seviyesi: |
|
||||||||||
| Dersin Veriliş Şekli: | Yüz yüze | ||||||||||
| Dersin Koordinatörü: | Dr.Öğr.Üyesi Recep DURANAY | ||||||||||
| Dersi Veren(ler): |
|
||||||||||
| Dersin Yardımcıları: |
| Dersin Amacı: | Bu dersin amacı, öğrencilere yapay sinir ağları ve derin öğrenme alanındaki temel kavramları ve ileri düzey teknikleri öğretmektir. Ders, öğrencilere yapay zeka ve makine öğrenmesinin en önemli bileşenlerinden biri olan sinir ağlarının matematiksel temellerini, modelleme tekniklerini ve eğitim algoritmalarını derinlemesine anlamalarını sağlamayı hedefler. Öğrenciler, sinir ağlarının mimarilerini, aktivasyon fonksiyonlarını ve eğitim yöntemlerini uygulamalı olarak öğrenecek ve ileri düzeydeki derin öğrenme yaklaşımlarını (örneğin, evrişimli sinir ağları ve tekrarlayan sinir ağları) keşfedeceklerdir. Bu ders, öğrencilerin yapay sinir ağlarını kullanarak karmaşık veri analizleri gerçekleştirebilmeleri ve bu teknolojileri çeşitli disiplinlerdeki gerçek dünya problemlerine uygulayabilmeleri için gereken bilgi ve becerileri kazandırmayı amaçlamaktadır. |
| Dersin İçeriği: | Bu ders, yapay sinir ağlarının temel prensiplerinden başlayarak, öğrencileri derin öğrenme tekniklerinin ileri düzeyine kadar geniş bir yelpazede bilgilendirmeyi amaçlamaktadır. Dersin içeriği, yapay sinir ağlarının tarihçesi ve yapay zeka içindeki rolünden hareketle, matematiksel temeller ve aktivasyon fonksiyonlarına kadar uzanır. Öğrenciler, yapay nöronlar ve sinir ağı mimarileri hakkında detaylı bilgi edinirken, ileri düzey sinir ağı yapıları ve öğrenme algoritmalarını da öğreneceklerdir. Derin öğrenme modelleri, evrişimli sinir ağları (CNN), tekrarlayan sinir ağları (RNN), ve uzun kısa süreli bellek (LSTM) ağları gibi konulara değinilerek, bu teknolojilerin çeşitli gerçek dünya uygulamaları ve problemleri için nasıl kullanıldığını anlamalarına yardımcı olunacaktır. Ayrıca, model değerlendirme ve optimizasyon teknikleri ile model doğrulama ve hiperparametre optimizasyonu konuları ele alınacaktır. Ders, öğrencilerin bireysel veya grup projeleri aracılığıyla öğrendikleri teorik bilgileri pratikte uygulama fırsatı sunacaktır. |
Bu dersi başarıyla tamamlayabilen öğrenciler;
|
||||||||||||||||||||||||||||||||||||
| Hafta | Konu | Ön Hazırlık |
| 1) | Giriş ve Temel Kavramlar Yapay sinir ağlarının tarihçesi ve gelişimi Biyolojik sinir ağlarına benzerlikler Yapay sinir ağlarının yapay zeka içindeki yeri | Deep Learning by Ian Goodfellow, Yoshua Bengio, Aaron Courville (English) A comprehensive introduction to deep learning, including the mathematics behind neural networks and practical applications. Neural Networks and Deep Learning by Michael Nielsen (English) A free online book that covers the theory and implementation of neural networks. Derin Öğrenme ile Yapay Zeka by İbrahim Çakıroğlu (Turkish) Temel sinir ağı teorileri ve derin öğrenme uygulamaları üzerine bir Türkçe kaynak. Yapay Sinir Ağları ve Derin Öğrenme by Ahmet Üstündağ (Turkish) Yapay sinir ağlarının ve derin öğrenmenin detaylı anlatımı. Pattern Recognition and Machine Learning by Christopher M. Bishop (English) A widely used textbook that includes neural networks and their applications in pattern recognition. |
| 2) | Matematiksel Temeller - Doğrusal Cebir Vektörler ve matrisler Matris işlemleri ve özellikleri Lineer dönüşümler | Deep Learning by Ian Goodfellow, Yoshua Bengio, Aaron Courville (English) A comprehensive introduction to deep learning, including the mathematics behind neural networks and practical applications. Neural Networks and Deep Learning by Michael Nielsen (English) A free online book that covers the theory and implementation of neural networks. Derin Öğrenme ile Yapay Zeka by İbrahim Çakıroğlu (Turkish) Temel sinir ağı teorileri ve derin öğrenme uygulamaları üzerine bir Türkçe kaynak. Yapay Sinir Ağları ve Derin Öğrenme by Ahmet Üstündağ (Turkish) Yapay sinir ağlarının ve derin öğrenmenin detaylı anlatımı. Pattern Recognition and Machine Learning by Christopher M. Bishop (English) A widely used textbook that includes neural networks and their applications in pattern recognition. |
| 3) | Matematiksel Temeller - Olasılık ve İstatistik Temel olasılık kuramı İstatistiksel dağılımlar ve momentler Veri analizi ve özetleme | Deep Learning by Ian Goodfellow, Yoshua Bengio, Aaron Courville (English) A comprehensive introduction to deep learning, including the mathematics behind neural networks and practical applications. Neural Networks and Deep Learning by Michael Nielsen (English) A free online book that covers the theory and implementation of neural networks. Derin Öğrenme ile Yapay Zeka by İbrahim Çakıroğlu (Turkish) Temel sinir ağı teorileri ve derin öğrenme uygulamaları üzerine bir Türkçe kaynak. Yapay Sinir Ağları ve Derin Öğrenme by Ahmet Üstündağ (Turkish) Yapay sinir ağlarının ve derin öğrenmenin detaylı anlatımı. Pattern Recognition and Machine Learning by Christopher M. Bishop (English) A widely used textbook that includes neural networks and their applications in pattern recognition. |
| 4) | Matematiksel Temeller - Kalkülüs ve Optimizasyon Türev ve integral hesapları Gradyan ve optimizasyon teknikleri Fonksiyonların maksimum ve minimum noktaları | Deep Learning by Ian Goodfellow, Yoshua Bengio, Aaron Courville (English) A comprehensive introduction to deep learning, including the mathematics behind neural networks and practical applications. Neural Networks and Deep Learning by Michael Nielsen (English) A free online book that covers the theory and implementation of neural networks. Derin Öğrenme ile Yapay Zeka by İbrahim Çakıroğlu (Turkish) Temel sinir ağı teorileri ve derin öğrenme uygulamaları üzerine bir Türkçe kaynak. Yapay Sinir Ağları ve Derin Öğrenme by Ahmet Üstündağ (Turkish) Yapay sinir ağlarının ve derin öğrenmenin detaylı anlatımı. Pattern Recognition and Machine Learning by Christopher M. Bishop (English) A widely used textbook that includes neural networks and their applications in pattern recognition. |
| 5) | Yapay Nöronlar ve Aktivasyon Fonksiyonları Perceptron modeli Sigmoid, ReLU, ve tanh aktivasyon fonksiyonları Aktivasyon fonksiyonlarının özellikleri ve kullanımları | Deep Learning by Ian Goodfellow, Yoshua Bengio, Aaron Courville (English) A comprehensive introduction to deep learning, including the mathematics behind neural networks and practical applications. Neural Networks and Deep Learning by Michael Nielsen (English) A free online book that covers the theory and implementation of neural networks. Derin Öğrenme ile Yapay Zeka by İbrahim Çakıroğlu (Turkish) Temel sinir ağı teorileri ve derin öğrenme uygulamaları üzerine bir Türkçe kaynak. Yapay Sinir Ağları ve Derin Öğrenme by Ahmet Üstündağ (Turkish) Yapay sinir ağlarının ve derin öğrenmenin detaylı anlatımı. Pattern Recognition and Machine Learning by Christopher M. Bishop (English) A widely used textbook that includes neural networks and their applications in pattern recognition. |
| 6) | Sinir Ağı Mimarileri - Tek Katmanlı ve Çok Katmanlı Ağlar Tek katmanlı sinir ağları Çok katmanlı sinir ağları (MLP) Yapı ve uygulama örnekleri | Deep Learning by Ian Goodfellow, Yoshua Bengio, Aaron Courville (English) A comprehensive introduction to deep learning, including the mathematics behind neural networks and practical applications. Neural Networks and Deep Learning by Michael Nielsen (English) A free online book that covers the theory and implementation of neural networks. Derin Öğrenme ile Yapay Zeka by İbrahim Çakıroğlu (Turkish) Temel sinir ağı teorileri ve derin öğrenme uygulamaları üzerine bir Türkçe kaynak. Yapay Sinir Ağları ve Derin Öğrenme by Ahmet Üstündağ (Turkish) Yapay sinir ağlarının ve derin öğrenmenin detaylı anlatımı. Pattern Recognition and Machine Learning by Christopher M. Bishop (English) A widely used textbook that includes neural networks and their applications in pattern recognition. |
| 7) | İleri Beslemeli (Feedforward) Sinir Ağları İleri beslemeli ağların yapısı Hedef fonksiyonlar ve öğrenme süreci Eğitimin nasıl gerçekleştiği | Deep Learning by Ian Goodfellow, Yoshua Bengio, Aaron Courville (English) A comprehensive introduction to deep learning, including the mathematics behind neural networks and practical applications. Neural Networks and Deep Learning by Michael Nielsen (English) A free online book that covers the theory and implementation of neural networks. Derin Öğrenme ile Yapay Zeka by İbrahim Çakıroğlu (Turkish) Temel sinir ağı teorileri ve derin öğrenme uygulamaları üzerine bir Türkçe kaynak. Yapay Sinir Ağları ve Derin Öğrenme by Ahmet Üstündağ (Turkish) Yapay sinir ağlarının ve derin öğrenmenin detaylı anlatımı. Pattern Recognition and Machine Learning by Christopher M. Bishop (English) A widely used textbook that includes neural networks and their applications in pattern recognition. |
| 8) | Ara Sınav | Deep Learning by Ian Goodfellow, Yoshua Bengio, Aaron Courville (English) A comprehensive introduction to deep learning, including the mathematics behind neural networks and practical applications. Neural Networks and Deep Learning by Michael Nielsen (English) A free online book that covers the theory and implementation of neural networks. Derin Öğrenme ile Yapay Zeka by İbrahim Çakıroğlu (Turkish) Temel sinir ağı teorileri ve derin öğrenme uygulamaları üzerine bir Türkçe kaynak. Yapay Sinir Ağları ve Derin Öğrenme by Ahmet Üstündağ (Turkish) Yapay sinir ağlarının ve derin öğrenmenin detaylı anlatımı. Pattern Recognition and Machine Learning by Christopher M. Bishop (English) A widely used textbook that includes neural networks and their applications in pattern recognition. |
| 9) | Eğitim ve Öğrenme Algoritmaları - Geri Yayılım (Backpropagation) Geri yayılım algoritması Hata fonksiyonları ve optimizasyon Öğrenme oranı ve güncelleme | Deep Learning by Ian Goodfellow, Yoshua Bengio, Aaron Courville (English) A comprehensive introduction to deep learning, including the mathematics behind neural networks and practical applications. Neural Networks and Deep Learning by Michael Nielsen (English) A free online book that covers the theory and implementation of neural networks. Derin Öğrenme ile Yapay Zeka by İbrahim Çakıroğlu (Turkish) Temel sinir ağı teorileri ve derin öğrenme uygulamaları üzerine bir Türkçe kaynak. Yapay Sinir Ağları ve Derin Öğrenme by Ahmet Üstündağ (Turkish) Yapay sinir ağlarının ve derin öğrenmenin detaylı anlatımı. Pattern Recognition and Machine Learning by Christopher M. Bishop (English) A widely used textbook that includes neural networks and their applications in pattern recognition. |
| 10) | Eğitim ve Öğrenme Algoritmaları - Gradyan İnişi ve Varyantları Gradyan inişi ve stokastik gradyan inişi Mini-batch gradyan inişi Öğrenme oranı ayarları ve adaptif yöntemler | Deep Learning by Ian Goodfellow, Yoshua Bengio, Aaron Courville (English) A comprehensive introduction to deep learning, including the mathematics behind neural networks and practical applications. Neural Networks and Deep Learning by Michael Nielsen (English) A free online book that covers the theory and implementation of neural networks. Derin Öğrenme ile Yapay Zeka by İbrahim Çakıroğlu (Turkish) Temel sinir ağı teorileri ve derin öğrenme uygulamaları üzerine bir Türkçe kaynak. Yapay Sinir Ağları ve Derin Öğrenme by Ahmet Üstündağ (Turkish) Yapay sinir ağlarının ve derin öğrenmenin detaylı anlatımı. Pattern Recognition and Machine Learning by Christopher M. Bishop (English) A widely used textbook that includes neural networks and their applications in pattern recognition. |
| 11) | Derin Öğrenme Modelleri - Evrişimli Sinir Ağları (CNN) CNN'lerin temel bileşenleri Konvolüsyon ve havuzlama işlemleri CNN uygulama örnekleri ve pratikleri | Deep Learning by Ian Goodfellow, Yoshua Bengio, Aaron Courville (English) A comprehensive introduction to deep learning, including the mathematics behind neural networks and practical applications. Neural Networks and Deep Learning by Michael Nielsen (English) A free online book that covers the theory and implementation of neural networks. Derin Öğrenme ile Yapay Zeka by İbrahim Çakıroğlu (Turkish) Temel sinir ağı teorileri ve derin öğrenme uygulamaları üzerine bir Türkçe kaynak. Yapay Sinir Ağları ve Derin Öğrenme by Ahmet Üstündağ (Turkish) Yapay sinir ağlarının ve derin öğrenmenin detaylı anlatımı. Pattern Recognition and Machine Learning by Christopher M. Bishop (English) A widely used textbook that includes neural networks and their applications in pattern recognition. |
| 12) | Derin Öğrenme Modelleri - Tekrarlayan Sinir Ağları (RNN) RNN'lerin temel yapısı Kısa ve uzun vadeli bağımlılıklar RNN uygulama örnekleri ve pratikleri | Deep Learning by Ian Goodfellow, Yoshua Bengio, Aaron Courville (English) A comprehensive introduction to deep learning, including the mathematics behind neural networks and practical applications. Neural Networks and Deep Learning by Michael Nielsen (English) A free online book that covers the theory and implementation of neural networks. Derin Öğrenme ile Yapay Zeka by İbrahim Çakıroğlu (Turkish) Temel sinir ağı teorileri ve derin öğrenme uygulamaları üzerine bir Türkçe kaynak. Yapay Sinir Ağları ve Derin Öğrenme by Ahmet Üstündağ (Turkish) Yapay sinir ağlarının ve derin öğrenmenin detaylı anlatımı. Pattern Recognition and Machine Learning by Christopher M. Bishop (English) A widely used textbook that includes neural networks and their applications in pattern recognition. |
| 13) | Derin Öğrenme Modelleri - Uzun Kısa Süreli Bellek (LSTM) Ağları LSTM'nin yapısı ve bileşenleri LSTM ağlarının avantajları Uygulama örnekleri ve pratikler | Derin Öğrenme ile Yapay Zeka by İbrahim Çakıroğlu (Turkish) Temel sinir ağı teorileri ve derin öğrenme uygulamaları üzerine bir Türkçe kaynak. Yapay Sinir Ağları ve Derin Öğrenme by Ahmet Üstündağ (Turkish) Yapay sinir ağlarının ve derin öğrenmenin detaylı anlatımı. Pattern Recognition and Machine Learning by Christopher M. Bishop (English) A widely used textbook that includes neural networks and their applications in pattern recognition. |
| 14) | Model Değerlendirme ve Optimizasyon Teknikleri Model doğrulama ve çapraz doğrulama Hiperparametre optimizasyonu Performans metrikleri ve değerlendirme | Derin Öğrenme ile Yapay Zeka by İbrahim Çakıroğlu (Turkish) Temel sinir ağı teorileri ve derin öğrenme uygulamaları üzerine bir Türkçe kaynak. Yapay Sinir Ağları ve Derin Öğrenme by Ahmet Üstündağ (Turkish) Yapay sinir ağlarının ve derin öğrenmenin detaylı anlatımı. Pattern Recognition and Machine Learning by Christopher M. Bishop (English) A widely used textbook that includes neural networks and their applications in pattern recognition. |
| 15) | Görüntü İşleme ve Bilgisayarla Görme Görüntü işleme teknikleri Bilgisayarla görme uygulamaları CNN'ler ile görüntü sınıflandırm | Derin Öğrenme ile Yapay Zeka by İbrahim Çakıroğlu (Turkish) Temel sinir ağı teorileri ve derin öğrenme uygulamaları üzerine bir Türkçe kaynak. Yapay Sinir Ağları ve Derin Öğrenme by Ahmet Üstündağ (Turkish) Yapay sinir ağlarının ve derin öğrenmenin detaylı anlatımı. Pattern Recognition and Machine Learning by Christopher M. Bishop (English) A widely used textbook that includes neural networks and their applications in pattern recognition. |
| 16) | Final sınavı | Derin Öğrenme ile Yapay Zeka by İbrahim Çakıroğlu (Turkish) Temel sinir ağı teorileri ve derin öğrenme uygulamaları üzerine bir Türkçe kaynak. Yapay Sinir Ağları ve Derin Öğrenme by Ahmet Üstündağ (Turkish) Yapay sinir ağlarının ve derin öğrenmenin detaylı anlatımı. Pattern Recognition and Machine Learning by Christopher M. Bishop (English) A widely used textbook that includes neural networks and their applications in pattern recognition. |
| Ders Notları / Kitaplar: | Deep Learning by Ian Goodfellow, Yoshua Bengio, Aaron Courville (English) A comprehensive introduction to deep learning, including the mathematics behind neural networks and practical applications. Neural Networks and Deep Learning by Michael Nielsen (English) A free online book that covers the theory and implementation of neural networks. Derin Öğrenme ile Yapay Zeka by İbrahim Çakıroğlu (Turkish) Temel sinir ağı teorileri ve derin öğrenme uygulamaları üzerine bir Türkçe kaynak. Yapay Sinir Ağları ve Derin Öğrenme by Ahmet Üstündağ (Turkish) Yapay sinir ağlarının ve derin öğrenmenin detaylı anlatımı. Pattern Recognition and Machine Learning by Christopher M. Bishop (English) A widely used textbook that includes neural networks and their applications in pattern recognition. |
| Diğer Kaynaklar: | Deep Learning by Ian Goodfellow, Yoshua Bengio, Aaron Courville (English) A comprehensive introduction to deep learning, including the mathematics behind neural networks and practical applications. Neural Networks and Deep Learning by Michael Nielsen (English) A free online book that covers the theory and implementation of neural networks. Derin Öğrenme ile Yapay Zeka by İbrahim Çakıroğlu (Turkish) Temel sinir ağı teorileri ve derin öğrenme uygulamaları üzerine bir Türkçe kaynak. Yapay Sinir Ağları ve Derin Öğrenme by Ahmet Üstündağ (Turkish) Yapay sinir ağlarının ve derin öğrenmenin detaylı anlatımı. Pattern Recognition and Machine Learning by Christopher M. Bishop (English) A widely used textbook that includes neural networks and their applications in pattern recognition. |
| Ders Öğrenme Kazanımları | 1 |
2 |
4 |
2 |
5 |
||||
|---|---|---|---|---|---|---|---|---|---|
| Program Kazanımları | |||||||||
| 1) Bilgisayar Bilimi ve Mühendisliği alanında bilimsel araştırma yaparak geniş ve derin bilgilere ulaşma, değerlendirme, yorumlama ve uygulama becerisi. | |||||||||
| 2) Sınırlı ya da eksik bilgiyi kapatmak ve uygulamak için bilimsel yöntemleri kullanma ve farklı disiplinlerin bilgilerini bütünleştirme kabiliyeti. | |||||||||
| 3) Bilgisayar Bilimi ve Mühendisliği problemlerini kurgulayabilme, problemleri çözmek için yöntemler geliştirebilme ve çözümde yenilikçi yöntemler kullanabilme. | |||||||||
| 4) Yeni ve/veya orijinal fikirler ve algoritmalar geliştirme becerisi; sistem, bileşen veya süreç tasarımında yenilikçi çözümler geliştirmek. | |||||||||
| 5) Bilgisayar Mühendisliğinde uygulanan güncel teknikler ve yöntemler ve bunların kısıtları hakkında geniş bilgi sahibi olma kabiliyeti. | |||||||||
| 6) Analitik modelleme ve deneysel araştırma tasarlama ve uygulama, süreçte karşılaşılan karmaşık durumları çözme ve yorumlama becerisi. | |||||||||
| 7) Bir yabancı dili (İngilizce) en az Avrupa Dil Portföyü seviyesinde sözlü ve yazılı iletişimde kullanabilme kabiliyeti. | |||||||||
| 8) Çok disiplinli ekiplerde liderlik etme, karmaşık durumlara çözüm geliştirme ve sorumluluk alma kabiliyeti. | |||||||||
| 9) Toplumsal, yasal, etik ve ahlaki değerlerin bilincinde olmak ve bu değerler çerçevesinde araştırma ve uygulama çalışmaları yapabilmek. | |||||||||
| 10) Bilgisayar Bilimi ve Mühendisliği alanında yeni ve gelişmekte olan uygulamalar hakkında farkındalık ve bunları inceleme ve gerekirse öğrenme kabiliyeti. | |||||||||
| Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
| Dersin Program Kazanımlarına Etkisi | Katkı Payı | |
| 1) | Bilgisayar Bilimi ve Mühendisliği alanında bilimsel araştırma yaparak geniş ve derin bilgilere ulaşma, değerlendirme, yorumlama ve uygulama becerisi. | 4 |
| 2) | Sınırlı ya da eksik bilgiyi kapatmak ve uygulamak için bilimsel yöntemleri kullanma ve farklı disiplinlerin bilgilerini bütünleştirme kabiliyeti. | 4 |
| 3) | Bilgisayar Bilimi ve Mühendisliği problemlerini kurgulayabilme, problemleri çözmek için yöntemler geliştirebilme ve çözümde yenilikçi yöntemler kullanabilme. | 4 |
| 4) | Yeni ve/veya orijinal fikirler ve algoritmalar geliştirme becerisi; sistem, bileşen veya süreç tasarımında yenilikçi çözümler geliştirmek. | 4 |
| 5) | Bilgisayar Mühendisliğinde uygulanan güncel teknikler ve yöntemler ve bunların kısıtları hakkında geniş bilgi sahibi olma kabiliyeti. | 3 |
| 6) | Analitik modelleme ve deneysel araştırma tasarlama ve uygulama, süreçte karşılaşılan karmaşık durumları çözme ve yorumlama becerisi. | 2 |
| 7) | Bir yabancı dili (İngilizce) en az Avrupa Dil Portföyü seviyesinde sözlü ve yazılı iletişimde kullanabilme kabiliyeti. | 3 |
| 8) | Çok disiplinli ekiplerde liderlik etme, karmaşık durumlara çözüm geliştirme ve sorumluluk alma kabiliyeti. | 4 |
| 9) | Toplumsal, yasal, etik ve ahlaki değerlerin bilincinde olmak ve bu değerler çerçevesinde araştırma ve uygulama çalışmaları yapabilmek. | 3 |
| 10) | Bilgisayar Bilimi ve Mühendisliği alanında yeni ve gelişmekte olan uygulamalar hakkında farkındalık ve bunları inceleme ve gerekirse öğrenme kabiliyeti. | 5 |
| Ders | |
| Okuma |
| Yazılı Sınav (Açık uçlu sorular, çoktan seçmeli, doğru yanlış, eşleştirme, boşluk doldurma, sıralama) | |
| Ödev |
| Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
| Ara Sınavlar | 3 | % 60 |
| Yarıyıl/Yıl Sonu Sınavı | 1 | % 40 |
| Toplam | % 100 | |
| YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 60 | |
| YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 40 | |
| Toplam | % 100 | |
| Aktiviteler | Aktivite Sayısı | Süre (Saat) | İş Yükü |
| Ders Saati | 3 | 14 | 42 |
| Uygulama | 2 | 14 | 28 |
| Sınıf Dışı Ders Çalışması | 14 | 5 | 70 |
| Ödevler | 2 | 10 | 20 |
| Ara Sınavlar | 3 | 2 | 6 |
| Final | 1 | 3 | 3 |
| Toplam İş Yükü | 169 | ||