Ders Adı İleri Yapay Zeka
Ders Kodu 01BLG5111
Dersin Türü Zorunlu
Ders Biriminin Seviyesi Lisansüstü
Yıl 1
Dönem 2.Yarıyıl
AKTS 6
Dersi Veren(ler) 2-Tuncay YİĞİT
Dersin Yardımcıları
Dersin Öğrenme Çıktıları Zekâ ve yapay zekâ tanımları Problem çözme teknikleri ayrıntılı arama algoritmaları sezgisel arama algoritmaları Kural tabanı uzman sistemler çıkarım motoru Makine öğrenmesi komutla öğrenme, örneklerle öğrenme, sınıflandırma, ilişkisel ve sezgisel öğrenmenin öğrenilmesi
Ders İşleme Biçimi Yüz Yüze
-
Dersin İçeriği Zekâ ve yapay zekâ tanımları. Problem çözme teknikleri: durum-uzayı yaklaşımı, problem-indirgeme yaklaşımı, problem modeli, problem sunumu, ayrıntılı arama algoritmaları (breadth-first, depth-first, iterative deepening), buluşsal arama algoritmaları. Oyun teorisi. Bilgi temsili ve nedenleme: önermeler mantığında; sözdizimi, anlambilim ve ispat kuramı (deductive inference), yüklem mantığı, üretim sistemleri, anlambilim ağları ve çerçeveleri. Kural tabanı, uzman sistemler, çıkarsama motoru. Makine öğrenimi: tümevarım, komutla öğrenme, örneklerle öğrenme, sınıflandırma, açıklama temelli öğrenme, ilişkisel ve sezgisel öğrenme. Yapay zekâ uygulamaları. Dönem ödevi.
Dersin Verildiği Diller Türkçe
Dersin Hedefleri
Dersin Amacı Zekâ ve yapay zekâ tanımları, Problem çözme teknikleri, ayrıntılı arama algoritmaları, sezgisel arama algoritmaları, Kural tabanı, uzman sistemler, çıkarım motoru, Makine öğrenmesi, komutla öğrenme, örneklerle öğrenme, sınıflandırma, ilişkisel ve sezgisel öğrenmeyi öğretmek.
WorkPlacement Kullanılmamaktadır
Hafta Konular  
1 Zekâ ve yapay zekâ temelleri
2 Problem çözme teknikleri
3 Problem çözme teknikleri
4 Arama algoritmaları
5 Sezgisel arama algoritmaları
6 Kural tabanı
7 Uzman sistemler
8 Uzman sistemler
9 Çıkarım motoru
10 Makine öğrenmesi
11 Komutla öğrenme
12 Örneklerle öğrenme
13 Sınıflandırma
14 İlişkisel ve sezgisel öğrenme
No Bölüm Öğrenme Çıktısı Katkı Düzeyi
1 Matematik ve fen bilgilerini mühendislikte uygulama becerisi kazanır. 4
2 Deney tasarlama, deney yapma, deney sonuçlarını analiz etme ve yorumlama becerisi kazanır. 3
3 İstenen gereksinimleri karşılayacak biçimde bir sistemin(donanım veya yazılım) süreçlerini tasarlayabilir. 5
4 Çok disiplinli konularda çalışabilir. 5
5 Mühendislik problemlerini tanımlama, modelleme ve çözme becerisi kazanır 4
6 Mesleki ve etik sorumluluk bilinci kazanır. 4
7 Mühendislik çözümlerinin evrensel ve ulusal boyutlarda etkilerini anlama becerisi kazanır. 5
8 Yaşam boyu öğrenmenin gerekliliği, bilinci ve bunu gerçekleştirebilme becerisi kazanır 5
9 Mühendislik uygulamaları için gerekli olan teknikleri ve modern araçları kullanma becerisi kazanır 4
10 Zaman yönetimi yapabilme ve meslek gelişimi planlayabilme becerisi kazanır. 4
11 Bilgisayar mühendisliği ile ilgili projeleri ayrıntıları ile planlayabilme becerileri kazanır. 4
12 Yenilikçi ve sorgulayıcı düşünüp sıra dışı yollar keşfedebilme becerisi kazanır 4
Yarıyıl İçi Çalışmaları Sayısı Katkı Payı
Ara Sınav 1 80
Kısa Sınav 0 0
Ödev 1 20
Devam 0 0
Uygulama 0 0
Labaratuvar 0 0
Proje 0 0
Atölye 0 0
Seminer 0 0
Arazi Çalışması 0 0
TOPLAM 100
Yıliçinin Başarıya Oranı 40
Finalin Başarıya Oranı 60
TOPLAM 100
AKTS kredilerinin belirlenmesinde öğrenci işyükü anketlerinden faydalanılmaktadır.
Etkinlik Sayısı Süresi Toplam
Ders Süresi (Sınav Haftaları Hariç) 14 2 28
Sınıf Dışı Ders Çalışma Süresi 14 2 28
Ödevler 5 20 100
Sunum 0 0 0
Proje 1 5 5
Laboratuar Çalışması 0 0 0
Arazi ya da Alan Çalışması 0 0 0
Ara Sınavlar 1 8 8
Yarıyıl Sonu Sınavı 1 10 10
İşyükü Saati (30) 30
Toplam İşyükü / Saat 179    
Dersin Akts Kredisi 6    
Ders Notu Artificial Intelligence: A Modern Approach, Stuart Russell and Peter Norvig, Prentice Hall, 1995.
Diğer Kaynaklar
Materyal
Dökümanlar
Ödevler
Sınavlar
Materyal Diğer
Planlanmış Öğrenme Faaliyetleri ve Öğretim Yöntemleri
Konferanslar, Uygulamalı Dersler, Sunumlar, Seminerler, Projeler, Laboratuar Uygulamaları(gerekirse)