| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| İnşaat Mühendisliği Malzemeleri için Tahmin Analitiği | CE 545 | | 1 | 3 + 0 | 3 | 7,50 |
| |
| Ders Bilgileri |
| Dersin Öğretim Dili | İngilizce |
| Dersin Seviyesi | Yüksek Lisans |
| Dersin Türü | Seçmeli |
| Dersin Veriliş Biçimi | Yüz Yüze |
| |
Dersin Öğrenme Kazanımları:
Bu dersi başarı ile tamamlayan öğrenciler: |
| 1. Öğrenciler regresyon algoritmalarını kodlayabileceklerdir. |
| 2. İstatistik ve regresyon kullanarak tahmin analitiği gelistirebilirler |
| 3. Öğrenciler gradyan inişi (gradient descent) algoritmasını kodlayabileceklerdir. |
| 4. Öğrenciler tahmine dayalı algoritmaları inşaat mühendisliği uygulamalarında kullanabilecekler |
| |
| Dersin Önkoşulları ve Birlikte Alınması Gereken Dersler | Yok |
| Daha Önce Alınmış Olması Önerilen Dersler | Yok |
| |
Dersin Tanımı:
Genel mukavemet tahminleri için öğrenme, abrams modeli, tahmin analitiği için kullanılan temel algoritmalar, regresyon, yapay sinir ağları, sınıflandırma, hibrit medotlar ve bunların inşaat mühnedisliği malzemelerinde mukavemet tahmini için kullanımları |
| |
Üretken Yapay Zeka Kullanımı:
Öğrenciler ödev ve projelerde kullanmak üzere görsel, tablo vb üretebilirler |
| |
| Dersin İçeriği (Haftalık Konu Dağılımı): |
| |
| Hafta | Konu |
| 1 | Sınıflandırma ve regresyon temelleri |
| 2 | Tek katmanlı algılayıcı |
| 3 | Çok katmanlı algılayıcı |
| 4 | Çok katmanlı Algılayıcı |
| 5 | Geri yayılım (backpropagation) algoritmaları |
| 6 | Yapay sinir ağları |
| 7 | Yapay Sinir Ağları |
| 8 | Regresyon ağaçları |
| 9 | K-en yakın komşu |
| 10 | Sınıflandırma modelleri |
| 11 | Model Doğrulama |
| 12 | Hibrit metodlar |
| 13 | Tahmin analitiğinde kullanılan temel algoritmalar |
| 14 | Tahmin ve Sınıflandırma Problemleri için Değerlendirme Yöntemleri |
| |
| Kaynaklar: |
| Sebastian Raschka Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow Packt Publishing 2017 978-1787125933 |
| |
| Diğer Kaynaklar: |
| Frank Millstein Data Analytics with Python: Data Analytics In Python Using Pandas CreateSpace Independent Publishing Platform 2018 978-1986054492
|
| |
| Öğretim Yöntem ve Teknikleri: |
| Ders hafta üç saat teorik anlatımdan oluşmaktadır. Ayrıca öğrenilen yöntemler ile tahmin modelleri oluşturup, kıyaslayabilecekleri bir dönem projesi verilmektedir. |
| |
| Değerlendirme Sistemi: |
| Yöntem | Adet | Katkı (%) |
| Proje | 1 | %60 |
| Final Sınavı | 1 | %40 |
| |
| Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu? |
| Gerektirmiyor |
| |
Dersin AKTS İş Yükü:
|
| # | Aktivite | Adet | Süre (Saat) | İş Yükü |
| 1 | Derslere Katılım (haftalık bazda) | 15 | 3,00 | 45,00 |
| 2 | Laboratuvarlara/Derslere Katılım (haftalık bazda) | 0 | 0,00 | 0,00 |
| 3 | Notların önceden hazırlanması ve son haline getirilmesi (haftalık bazda) | 0 | 0,00 | 0,00 |
| 4 | İlgili materyalin toplanması ve seçilmesi (bir kez) | 5 | 2,00 | 10,00 |
| 5 | İlgili materyalin kendi kendine incelenmesi (haftalık bazda) | 15 | 4,00 | 60,00 |
| 6 | Ev ödevleri | 0 | 0,00 | 0,00 |
| 7 | Sınavlara Hazırlık | 0 | 0,00 | 0,00 |
| 8 | Ara Sınavlara Hazırlık (Sınavların süresi dahil) | 0 | 0,00 | 0,00 |
| 9 | Dönem Ödevi/Vaka Çalışması Raporunun Hazırlanması (sözlü sunum dahil) | 1 | 12,00 | 12,00 |
| 10 | Dönem Projesi/Saha Çalışması Raporunun Hazırlanması (sözlü sunum dahil) | 10 | 5,00 | 50,00 |
| 11 | Final Sınavına Hazırlık (sınav süresi dahil) | 1 | 10,00 | 10,00 |
| |
Dersin Program Yeterlilikleri vs. Öğrenme Kazanımları:
|
| # | Program Yeterlilikleri | Katkı (0-4) |
| 1 | Mühendislik alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgiyi değerlendirir, yorumlar ve uygular. | 1 |
| 2 | Mühendislikte uygulanan güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgi sahibidir. | 0 |
| 3 | Sınırlı ya da eksik verileri kullanarak bilimsel yöntemlerle bilgiyi tamamlar ve uygular; değişik disiplinlere ait bilgileri bütünleştirir. | 0 |
| 4 | Mesleğinin yeni ve gelişmekte olan uygulamalarının farkında olup, gerektiğinde bunları inceler ve öğrenir. | 0 |
| 5 | Mühendislik uygulamaları için gerekli olan modern teknik ve araçları seçer ve kullanır. | 1 |
| 6 | Mühendislik problemlerini kurgular, çözmek için yöntem geliştirir ve çözümlerde yenilikçi yöntemler uygular. | 0 |
| 7 | Yeni ve/veya özgün fikir ve yöntemler geliştirir; sistem, parça veya süreç tasarımlarında yenilikçi çözümler geliştirir. | 0 |
| 8 | Çok disiplinli takımlarda liderlik yapar, karmaşık durumlarda çözüm yaklaşımları geliştirir ve sorumluluk alır. | 0 |
| 9 | Bir yabancı dili en az Avrupa Dil Portföyü B2 Genel Düzeyinde kullanarak sözlü ve yazılı iletişim kurar. | 0 |
| 10 | Çalışmalarının süreç ve sonuçlarını, o alandaki veya alan dışındaki ulusal ve uluslar arası ortamlarda sistematik ve açık bir şekilde yazılı ya da sözlü olarak aktarır. | 1 |
| 11 | Mühendislik uygulamalarının sosyal ve çevresel boyutlarını betimler. | 0 |
| 12 | Verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. | 0 |