defter*
defter / katalog / ME 505

ME 505 Machine Learning for Mechanical Engineering

ME 505 treats machine learning as a working tool for mechanical engineering problems rather than as pure CS theory, so the emphasis is on turning physical data, microscopy images, material properties, atomistic simulations, into models that actually predict something useful. You'll spend the semester writing Python, curating real datasets, and building up from linear regression through neural networks to ML potentials for molecular dynamics and reinforcement-learning-driven self-driving labs, capped by a project you present to the class. It's a graduate-level bridge course for ME students who already have the mechanics background but need the data-driven half, and it sets you up for materials informatics research and any modern simulation work where ML surrogates have replaced hand-tuned models.

Kredi 3 ECTS 5 Fakülte Mühendislik Fakültesi Bölüm Makine Mühendisliği Koordinatör Orçun Koray Çelebi

→ STARS müfredatı (resmi syllabus)

ME 505 dersinde kaç midterm var, ağırlıkları ne?

İzlencede 1 midterm var, ağırlığı %20. Final %20. Kalan %60 dersin öteki kalemlerinde. Tam dağılım aşağıda.

ME 505 dersinin ön koşulu var mı?

Bilkent kataloğunda bu ders için ön koşul yazılı değil.

ME 505 bu dönem kim veriyor?

2026-2027 Güz döneminde 1 şube açık, dersi Orçun Koray Çelebi veriyor. Şube saatleri ve kontenjanlar aşağıda.

ME 505 kaç kredi?

3 Bilkent kredisi, 5 AKTS.

Haftalık müfredat 14 hafta

Hafta 114–20 Eyl
Machine learning ve Python ile istatistik
Course outline, introduction to machine learning, data driven approach for mechanical engineering, algebra and statistics with Python
machine learningdata driven approachalgebraPython
Hafta 221–27 Eyl
Makine öğrenmesi yöntemlerine genel bakış
Overview of supervised, unsupervised and reinforcement learning methods
supervised learningunsupervised learningreinforcement learning
Hafta 328 Eyl – 4 Eki
Deployment, rastgele sayılar ve veri yönetimi
Deployment, random numbers, data management
deploymentrandom numbersdata management
Hafta 45–11 Eki
Makine Mühendisliğinde Veri Türleri ve Curation
Data types in mechanical engineering, online data repositories, data analysis, cleanup, preparation, curation
data typesonline data repositoriesdata cleanupcuration
Hafta 512–18 Eki
Linear regression, validation ve model seçimi
Linear regression, validation, evaluation, feature engineering, descriptor selection, tuning and model selection
linear regressionfeature engineeringdescriptor selectionmodel selection
Hafta 619–25 Eki
Regression modelleri
Regression models
regression model
Hafta 726 Eki – 1 Kas
Classification modelleri
Classification models
classification models
Hafta 82–8 Kas
Materials database kullanımı
Usage of materials databases
materials database
Hafta 99–15 Kas
Neural networks ve deep learning
Neural networks, deep learning
neural networksdeep learning
Hafta 1016–22 Kas
Atomistic machine learning
Hafta 1123–29 Kas
Atomistic descriptor'lar ve materials ontology
Atomistic descriptors, materials ontologies
atomistic descriptorsmaterials ontologies
Hafta 1230 Kas – 6 Ara
Molecular dynamics için machine learning potentials
Machine learning potentials for molecular dynamics
machine learning potentialsmolecular dynamics
Hafta 137–13 Ara
Reinforcement learning ve self-driving labs
Reinforcement learning, self-driving labs
reinforcement learningself-driving lab
Hafta 1414–20 Ara
Proje sunumları
Project presentations
proje sunumu

Değerlendirme 100% · 4 adım

20%
40%
20%
20%
Midterm 20%
Project 40%
Final 20%
Homework 20%
en büyük tek kalem %40 · sınav ağırlığı %40 nasıl hesaplanıyor
Notunu hesapla
KalemAğırlık Notun (100 üzerinden)
Midterm%20
Project%40
Final%20
Homework%20
Bildiğin notları gir; girmediklerin hesaba katılmaz.

Ağırlıklar ME 505 izlencesinden. Hocanın bu dönemki dağılımı farklı olabilir; bağlayıcı olan ders izlencesidir. Harf notu sınırlarını hoca belirliyor, o yüzden hedefi sen giriyorsun. İzlencede FZ şartı var, sayfanın sonundaki kutuda.

Bu dersi alınca · 5 öğrenme çıktısı

Bilkent'in resmî syllabus'ünden. Sağdaki etiket o çıktının hangi değerlendirmeyle ölçüldüğünü söylüyor.

🤖 GenAI politikası

Students are advised to consult their instructor regarding the use of Generative AI tools and their appropriateness. Responsible use of GenAI is encouraged in accordance with Bilkent University's GenAI Guidelines (https://w3.bilkent.edu.tr/bilkent/generative-artificial-intelligence-genai-guideline).

Ders notları · henüz yok

ME 505 için defter ekibi henüz not yazmadı.

İlk dosyayı sen atarsan: not, slayt, geçmiş sınav, çözüm, cheat-sheet, ne varsa. defter ekibi öğrenci paylaşımlarından bu dersin notlarını yazar. Drive linki / PDF / ZIP, hepsi olur.

← katalog

Bu dönem · 2026-2027 Güz · 1 şube · 12 kontenjan · 0 boş

haftada 3 saat ders

Haftalık ızgarada 4 saat görünüyor, kayıt sistemi dersi 3 saat yazıyor. Aradaki 1 saat yedek saat: Bilkent programlarında derse genelde bir fazla saat ayrılır ve çoğu zaman kullanılmaz. Hangisinin düşeceği dönem başlayınca belli olur.

1
Orçun Koray Çelebi
Çar10:30–12:20EA-502Cum15:30–17:20EA-502
0
kontenjan doldu
▾ 12 doldu · 21 gün
programıma ekle → CGPA'ya ekle kayıt tarihleri

⚠️ FZ engelleyen şartlar

No FZ grade is given in this course

Hocalar 1 bu dönem · 0 geçmiş

Bu dönem (2026-2027 Fall) · 1 section
Orçun Koray Çelebi

Aynı koddan diğer dersler · katalogda 61 ME dersi · tüm ME dersleri →

ME 489Fundamentals of Design for ReliabilityME 490Undergraduate Research in MEME 501Mathematical Techniques in Mechanical EngineerME 503Numerical Methods in Mechanical EngineeringME 518Data-Based Control SystemsME 523Molecular Simulation of MaterialsME 534Advanced Engineering Thermodynamics