Ümumi məlumat
- Fənn kodu
- MS-2038
- Kredit
- 6
- Tələbənin iş yükü
- 180
- Semestr
- Payız semestri
- Akademik il
- 2026-2027
- Fənnin tipi
- Seçmə
- Təhsil forması
- Əyani
- Tədris dili
- Azərbaycan
- Auditoriyadaxili saatlar
- a) 30 saat mühazirə
- Auditoriyadan kənar saatlar
- a) 150 saat fərdi iş
Fənn haqqında
Bu fənn tələbələrə enerji sektorunda transformasiya yaradan süni intellekt (AI), maşın öyrənməsi (ML) və böyük data (Big Data) texnologiyalarının tətbiqi sahəsində konseptual bilik və praktiki bacarıqları aşılamaq üçün nəzərdə tutulmuşdur. Kurs çərçivəsində enerji tələbi və təklifinin dəqiq proqnozlaşdırılması (Load Forecasting), ağıllı şəbəkələrin (Smart Grids) idarə olunması və bərpa olunan enerji mənbələrinin (günəş, külək) generasiya dəyişkənliyinin optimallaşdırılması prinsipləri tədris olunur. Tələbələr enerji obyektlərində avadanlıqların nasazlıqlarını öncədən müəyyən edən proqnozlaşdırıcı texniki xidmət (Predictive Maintenance), enerji itkilərinin azaldılması, avtomatlaşdırılmış enerjidaşıma və smart sayğac datalarının təhlili kimi alətlərin tətbiqini mənimsəyəcəklər. Fənn enerjinin saxlanması sistemlərinin, rəqəmsal əkizlərin (Digital Twins) və AI algoritmik modellərinin tətbiqi ilə enerji effektivliyini yüksəltmək və dekarbonizasiya məqsədlərinə çatmaq üçün tələbələrdə analitik və texnoloji vərdişlər formalaşdırır.
Tədris metodları
- mühazirə
- interaktiv müzakirə
- problem-based learning
- komanda işi
- təqdimatlar
- case study
- layihə əsaslı öyrənmə
Fənn təlim nəticələri (CLO)
CLO 1: Enerji sektorunda Böyük Data (Big Data), Əşyaların İnterneti (IoT) və Süni İntellekt (AI) texnologiyalarının tətbiq sahələrini və potensialını qiymətləndirir.
CLO 2: Bərpa olunan enerji mənbələrindən generasiyanı və elektrik enerjisinə olan tələbatı proqnozlaşdırmaq üçün Maşın Öyrənməsi (ML) modellərini tətbiq edir.
CLO 3: Enerji şəbəkələrində (Smart Grid) avadanlıqların nasazlıqlarını öncədən müəyyən etmək üçün proqnostik texniki xidmət (Predictive Maintenance) alətlərini layihələndirir.
CLO 4: Enerji saxlanması, paylanması və yükün idarə olunması (Demand Response) proseslərini alqoritmik optimallaşdırma modelləri vasitəsilə idarə edir.
CLO 5: Enerji sistemlərində süni intellektin tətbiqi ilə bağlı kibertəhlükəsizlik risklərini, data məfiliyini və etika məsələlərini təhlil edir.
Mövzu planı
Mövzu əlavə edilməyib.
Ədəbiyyat
Ədəbiyyat əlavə edilməyib.
Qiymətləndirmə
| Qiymətləndirmə forması | Açıqlama | Bal | Uyğun FTN |
|---|---|---|---|
| Cari qiymətləndirmə | Cari qiymətləndirmə - fənn üzrə tələbənin semestr müddətində fəaliyyətinin qiymətləndirilməsi olmaqla, mühazirə və məşğələ (laboratoriya) dərs materiallarının mənimsənilmə səviyyəsini qiymətləndirilir. | 30 bal | FTN 1-5 |
| Davamiyyət | Tələbə fənn üzrə dərslərin 25%-dən çoxunda iştirak etmədiyi halda imtahana buraxılmır. | 10 bal | - |
| Tələbənin sərbəst işi | Tələbəyə fənn üzrə semestr ərzində 1 sərbəst işin (zəruri hallarda sərbəst işlərin sayı artırıla bilər) yerinə yetirilməsi tapşırığı verilir. | 10 bal | FTN-- |
| İmtahan | İmtahan şifahi, yazılı, yazılı-elektron, test üsulu ilə keçirilir | 50 bal | FTN 1-5 |