DERSİN TÜRÜ	Seçmeli
DERSİN DÜZEYİ	Lisans
DERSİN YILI	-
YARIYIL	-
AKTS	5
ÖĞRETİM ELEMAN(LAR)I	Profesör Doktor Yusuf Tansel İç Doktor Öğretim Üyesi Mehmet Dikmen
DERSİN ÖĞRENME KAZANIMLARI	Bu dersin sonunda öğrenciler; 1) Bilimsel ve matematiksel prensipleri mühendislik pratiğinde uygulama becerisi kazanırlar. 2) Sistem analizi ve tasarımı uygulamalarında bilgisayar programlarını bir araç olarak kullanma becerisi kazanırlar. 3) İleri ölçme, veri analizi ve deney tasarımı prensiplerini uygulama becerisi kazanırlar. 4) Sistem/proses tasarımı aşamalarını, farklı teknik alternatifleri çevre, maliyet, güvenlik ve diğer kısıtlar altında bir endüstri mühendisliği problemine uygulama becerisi kazanırlar. 5) Bir endüstri mühendisliği problemini tasarlama, analiz etme, ölçme ve değerlendirme becerisi kazanırlar.
DERSİN VERİLİŞ BİÇİMİ	Yüz Yüze
DERSİN ÖNKOŞULLARI	Yok
ÖNERİLEN DERSLER	Yok
DERS TANIMI	Yapay sinir ağlarının temelleri, yapay sinir ağlarının elemanları, yapay sinir ağlarında öğrenme algoritmaları ve mimarisi, yapay sinir ağlarında model kurma, modelin geçerlilik analizleri, yapay sinir ağları ile tahmin, Endüstri Mühendisliği uygulama örnekleri.
DERS İÇERİĞİ	HAFTA KONULAR 1. Hafta Yapay Sinir Ağlarının Temel Yapısı, Avantajları ve Dezavantajları 2. Hafta İnsan beyninin yapısı ve Yapay Sinir Ağı arasındaki benzeşim 3. Hafta Yapay Sinir Ağ Yapıları: Biyolojik Nöron, Yapay Sinir Hücresi 4. Hafta Yapay Sinir Ağ Yapıları: Temel Elemanlar 5. Hafta Yapay Sinir Ağlarında Öğrenme: Temel Öğrenme Kuralları 6. Hafta Yapay Sinir Ağlarında Öğrenme: Temel Öğrenme Kuralları 7. Hafta Yapay Sinir Ağlarının mimari tasarımı 8. Hafta Yapay Sinir Ağları ile model kurma 9. Hafta Arasınav 10. Hafta Yapay Sinir Ağları modelinin geçerlilik analizleri 11. Hafta Endüstri Mühendisliği Uygulama Örnekleri 12. Hafta Endüstri Mühendisliği Uygulama Örnekleri 13. Hafta Yapay Sinir Ağları ile tahmin 14. Hafta Yapay Sinir Ağları ile tahmin uygulamaları
ZORUNLU YA DA ÖNERİLEN KAYNAKLAR	Fausett, L., Fundementals ofNeural Networks, 1994. Sağıroğlu, Ş., Beşdok, E., Erler, M., Mühendislikte Yapay Zeka Uygulamaları-1 Yapay Sinir Ağları, Ufuk Yayıncılık, 2003.
ÖĞRETİM YÖNTEM VE TEKNİKLERİ	Sunum,Diğer,Anlatım
DEĞERLENDİRME YÖNTEMİ VE GEÇME KRİTERLERİ	Sayısı Toplam Katkısı(%) Ara Sınav 1 25 Ödev 1 10 Mini-Sınav 1 15 Uygulama/Pratik 1 15 Toplam(%) 65 Yıl İçinin Başarıya Oranı(%) 65 Finalin Başarıya Oranı(%) 35 Toplam(%) 100
AKTS İŞ YÜKÜ	Aktivite Sayı Süresi(Saat) İş Yükü Ara Sınav 1 2 2 Kısa Sınavlara hazırlık 1 4 4 Sınıf Dışı Ders Çalışma Süresi 14 2 28 Final Sınavına Hazırlık 1 25 25 Ders Saati 14 4 56 Ara Sınava Hazırlık 1 25 25 Laboratuvar 1 2 2 Final Sınavı 1 2 2 Ödevler 1 8 8 Toplam İş Yükü 152 Toplam İş Yükü / 30 5,06 Dersin AKTS Kredisi 5
DİL	Türkçe
STAJ / UYGULAMA	Yok