Dersin Adı Ders Kodu Yarıyılı Teori
(Saat/Hafta)		 Uygulama
(Saat/Hafta)		 Akts
YAPAY ZEKA BSM517 2 3 0 7,0
Önkoşul(lar)-var ise
Dersin Dili
Dersin Türü Yüksek Lisans - Tezli
Dersin sorumlusu(ları) Dr. Öğr. Üyesi İSMET KARADUMAN
Dersin Amacı Dersin amacı öğrencilere yapay zekâ konusunda temel teknik bilgi ve yöntemler hakkında bilgi vermek ve bu yöntemleri pratik problemlerin çözümünde kullanabilme becerisine sahip olmalarını sağlamaktır.
Dersin Verilme Şekli Örgün
Sıra No Dersin Öğrenme Çıktıları Öğretim Yöntemleri Değerlendirme Yöntemleri Program Yeterliliklerini Karşılama Düzeyi(1)(2)(3)(4)(5)
1 They possess a basic understanding of artificial intelligence.
1 Yapay zekâ hakkında temel bilgiye sahiptir. Anlatım Sınav 1
2 Yapay zeka problemlerini formüle eder. Anlatım Sınav 1
2 They formulate artificial intelligence problems.
3 They are familiar with artificial intelligence search strategies.
3 Yapay zekâ arama stratejilerini bilir. Anlatım Sınav 1
4 They are knowledgeable about the operation and application principles of expert systems, fuzzy logic, artificial neural networks, and genetic algorithms, which are subfields of artificial intelligence.
4 Yapay zeka alt dallarından uzman sistemler, bulanık mantık, yapay sinir ağları ve genetik algoritmaların çalışma ve uygulama prensiplerini bilir.
5 Makine öğrenmesi temel kavram, algoritma ve yöntemlerini bilir.
5 They understand the fundamental concepts, algorithms, and methods of machine learning.
6
6
7
7
8
8
9
9
10
10
11
11
12
12
13
13
14
14
15
15
Dersin İçeriği
Yapay zekâ ile ilgili temel tanım ve kavramlar, veri, enformasyon, bilgi, yapay zekânın alt dalları, tarihsel gelişimini, Turing testi, yapay zekâ yaklaşımları, zeki ajanlar, yapay zekâ problemleri, bilgisiz arama stratejileri, bilgiye dayalı (heuristic) arama stratejileri, rekabete dayalı arama stratejileri, oyun teorisi, min-max yöntemi, alfa-beta budaması, kısıt memnuniyet problemleri, ark tutarlılığı, mantıksal ajanlar, modele dayalı mantık, önermelere dayalı mantık, ileri-geri zincirleme, uzman sistemler, bulanık mantık, yapay sinir ağları, genetik algoritmalar, makine öğrenmesi, öğrenme türleri (denetimli öğrenme, denetimsiz öğrenme, pekiştirmeli öğrenme) öğrenme algoritma ve yöntemleri (Naive Bayes, Lineer Regresyon, K-NN vb).
Kaynaklar
1. Russel, S., Norvig P. (2010). Artificial Intelligence A Modern Approach. (Third Edition). Prentice Hall Series in Artificial Intelligence. 2. Nabiyev, V. V. (2010). Yapay Zekâ: İnsan - Bilgisayar Etkileşimi. Ankara: Seçkin Yayıncılık San. ve Tic. A.Ş.
Haftalara Göre İşlenecek Konular
Haftalar Konular Dokümanlar
1 . Hafta Yapay zeka ile ilgili temel tanım ve kavramlar
1 . Hafta Basic definitions and concepts of artificial intelligence
2 . Hafta Approaches to artificial intelligence and intelligent agents
2 . Hafta Yapay zekâ yaklaşımları ve zeki ajanlar
3 . Hafta Yapay zekâ problemleri ve bilgisiz arama stratejileri
3 . Hafta Artificial intelligence problems and uninformed search strategies
4 . Hafta Informed search strategies
4 . Hafta Bilgiye dayalı arama stratejileri
5 . Hafta Rekabete dayalı arama stratejileri ve oyun teorisi
5 . Hafta Competition-based search strategies and game theory
6 . Hafta Constraint satisfaction problems
6 . Hafta Kısıt memnuniyet problemleri
7 . Hafta Mantıksal ajanlar
7 . Hafta Logical agents
8 . Hafta Midterm exam
8 . Hafta Ara sınav
9 . Hafta Uzman sistemler
9 . Hafta Expert systems
10 . Hafta Fuzzy logic
10 . Hafta Bulanık mantık
11 . Hafta Yapay sinir ağları
11 . Hafta Artificial neural networks
12 . Hafta Genetic algorithms
12 . Hafta Genetik algoritmalar
13 . Hafta Makine öğrenmesi, öğrenme türleri
13 . Hafta Machine learning, types of learning
14 . Hafta Machine learning, learning algorithms and methods-1
14 . Hafta Makine öğrenmesi, öğrenme algoritma ve yöntemleri-1
15 . Hafta Makine öğrenmesi, öğrenme algoritma ve yöntemleri-2
15 . Hafta Machine learning, learning algorithms and methods-2
16 . Hafta Final sınavı
Değerlendirme Sistemi
Yarıyıl içi çalışmaları Sayısı Katkı Payı (%)
Yarıyıl İçi Çalışmaları 0 0
Ara Sınav 0 0
Final Sınavı 0 0
0 0
0 0
1 40
1 60
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
Toplam 100
Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı 2 0
Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı 1 0
Toplam 100
AKTS (Öğrenci İş Yükü) Tablosu
Etkinlikler Sayısı Süresi Toplam İş Yükü
Ders süresi (sınav haftası dahil: 16xders saati) 1 2 2
Sınıf Dışı Ders Çalışma Süresi (Ön çalışma, pekiştirme) 0 0 0
Ara Sınav 0 0 0
Final Sınavı 0 0 0
0 0 0
0 0 0
1 28 28
0 0 0
0 0 0
0 0 0
0 0 0
1 28 28
0 0 0
0 0 0
0 0 0
0 0 0
14 3 42
7 4 28
7 4 28
14 4 56
0 0 0
Toplam İş Yükü 212
Dersin Öğrenme Çıktılarının Program Yeterlilikleri İle İlişkilendirilmesi
Sıra No Program Yeterlilikleri Katkı Düzeyi*
1 2 3 4 5
1 It defines the multidisciplinary scope of the field of information technologies and the interaction between related disciplines. X
2 Gain comprehensive knowledge about current techniques and methods applied in the field of information technologies and their limitations, effects and results. X
3 By doing applied research in the field of information technologies, it reaches the information in depth and in depth, evaluates the information and applies the results. X
4 Complements and applies knowledge with scientific methods, using uncertain, limited or incomplete data; integrates knowledge from different disciplines. X
5 Develops algorithms and methods to solve defined engineering management problems and applies innovative methods in solutions. X
6 Can work effectively in disciplinary and multi-disciplinary teams, lead such teams and develop solution approaches in complex situations; can work independently and take responsibility. X
7 Be aware of new and developing applications in the field of information technologies and have the ability to examine and learn about them. X
8 Uses advanced methods and software and communication technologies used in the field of technology. X
9 Analyzes problems in different fields, develops solutions and implements solutions using information technologies. X
10 Can realize information technology applications by considering entrepreneurship and innovation dimensions. X
11 It observes social, scientific and ethical values ​​in the stages of data collection, interpretation, announcement and in all professional activities. X