Kodu |
Dersin Adı |
Yarıyıl |
Süresi(T+U) |
Kredisi |
AKTS Kredisi |
BLP262 |
YAPAY ZEKA |
4 |
3 |
3 |
6 |
DERS BİLGİLERİ |
Dersin Öğretim Dili : |
Türkçe |
Dersin Düzeyi |
ÖNLİSANS, TYY: + 5.Düzey, EQF-LLL: 5.Düzey, QF-EHEA: Kısa Düzey |
Dersin Türü |
Zorunlu |
Dersin Veriliş Şekli |
- |
Dersin Koordinatörü |
Öğr.Gör. ŞEHMUS TURAN |
Dersi Veren Öğretim Üyesi/Öğretim Görevlisi |
|
Ders Ön Koşulu |
Yok |
AMAÇ VE İÇERİK |
Amaç: |
Yapay zeka yöntemlerinin ve dillerinin öğrenilmesi, bu yöntemlerin uygulanması ve bir problemin bu metotlarla ne ölçüde çözülebileceğinin anlaşılmasıdır. Bu bağlamda dersin amacı, sembolik ve sembolik olmayan yapay zeka yaklaşımlarını tanıtarak, farklı yapay zeka yöntemleri ve temel kavramları hakkında bilgi vermek ve öğrencinin bilgisayar mühendisliği alanındaki vizyonunu genişletmektir. |
İçerik: |
Yapay Zeka konseptleri, Yapay Zeka problemlerinin formülasyonunu oluşturmak için gerekli araçları, Akıllı ajan sistemleri tasarlamak için gerekli araç ve yapıları, Problemin yapısına ve arama uzayına bağlı olarak problemlerin çözülmesi için gerekli araçlar ve yapay zeka uygulamaları. |
DERSİN ÖĞRENME ÇIKTILARI (Öğrenciler, bu dersi başarı ile tamamladıklarında aşağıda belirtilen bilgi, beceri ve/veya yetkinlikleri gösterirler.) |
DERSİN ÖĞRENME ÇIKTILARI (Öğrenciler, bu dersi başarı ile tamamladıklarında aşağıda belirtilen bilgi, beceri ve/veya yetkinlikleri gösterirler.)
Bu dersi alan öğrenciler;
1. Karışık problemlerin çözümü için iyi tanımlanmış problem formülasyonları oluşturacaktır
2. Akıllı ajanlar tasarlayacaktır
3. Yapay Zeka araçları kullanarak iyi tanımlanmış problemleri çözecektir
4. Problem çözen ajanları tasarlayacaktır
5. Ajanlar için çıkarım yapma mekanizması ve planlama yetileri geliştirecektir |
HAFTALIK DERS KONULARI VE ÖNGÖRÜLEN HAZIRLIK ÇALIŞMALARI |
Hafta |
Ön Hazırlık |
Konular |
Yöntem |
1 |
- |
Ders Tanıtım ve Yapay Zeka Temel Kavramlar ve Yapay Zekâ Giriş |
- |
2 |
- |
Veri ile Çalışma Giriş ve önemli kütüphane tanıtımı ve örnek uygulamalar |
- |
3 |
- |
Makine Öğrenmesi |
- |
4 |
- |
Makine Öğrenmesi: Modelleme Mantığı ve Değerlendirme Ölçütleri |
- |
5 |
- |
Temel Modeller ve Uygulamaları |
- |
6 |
- |
Sınıflandırma Modelleri |
- |
7 |
- |
Oyun Teorisi |
- |
8 |
- |
Derin Öğrenme (MLP) |
- |
9 |
- |
Veri Toplama ve Etiketleme |
- |
10 |
- |
ARA SINAV |
- |
11 |
- |
Yapay Sinir Ağları |
- |
12 |
- |
Görüntü İşleme |
- |
13 |
- |
Görüntü Sınıflandırma (Etiketli ve Etiketsiz) |
- |
14 |
- |
Genel Tekrar |
- |
15 |
- |
Proje Sunumları |
- |
16 |
- |
FİNAL |
- |
17 |
- |
FİNAL |
- |
ÖLÇME VE DEĞERLENDİRME |
Yarıyıl İçi Yapılan Çalışmaların Ölçme ve Değerlendirmesi |
Etkinlik Sayısı |
Katkı Yüzdesi |
Açıklama |
Sınav Yapılma Şekli |
Ara Sınav (Vize) |
1 |
40 |
|
Klasik Sınav |
Ödev Değerlendirme |
1 |
10 |
|
|
DÖNEM SONU- Sınavı (Final) |
1 |
50 |
|
Optik(Test) Sınav |
TOPLAM |
3 |
100 |
|
|
(0) Etkisiz |
(1) En Düşük |
(2) Düşük |
(3) Orta |
(4) İyi |
(5) Çok İyi |
0 |
1 |
2 |
3 |
4 |
5 |
DERSİN PROGRAM ÖĞRENME ÇIKTILARINA KATKISI
DERSİN İŞ YÜKÜ VE AKTS KREDİSİ |
Öğrenme-Öğretme Etkinlikleri İş Yükü |
Öğrenme-Öğretme Etkinlikleri |
Etkinlik(hafta sayısı) |
Süresi(saat sayısı) |
Toplam İş Yükü |
Ders |
14 |
3 |
42 |
Derse Ön Hazırlık ve Ders Sonrası Pekiştirme |
14 |
3 |
42 |
Arazi Çalışması |
0 |
0 |
0 |
Grup Çalışması / Ödevi |
5 |
3 |
15 |
Laboratuvar |
0 |
0 |
0 |
Okuma |
0 |
0 |
0 |
Ödev |
7 |
3 |
21 |
Proje Hazırlama |
0 |
0 |
0 |
Seminer |
0 |
0 |
0 |
Staj |
0 |
0 |
0 |
Teknik Gezi |
0 |
0 |
0 |
Web Tab. Öğrenme |
0 |
0 |
0 |
Uygulama |
10 |
3 |
30 |
Yerinde Uygulama |
0 |
0 |
0 |
Mesleki Faaliyet |
0 |
0 |
0 |
Sosyal Faaliyet |
0 |
0 |
0 |
Tez Hazırlama |
0 |
0 |
0 |
Alan Çalışması |
0 |
0 |
0 |
Rapor Yazma |
0 |
0 |
0 |
Final Sınavı |
1 |
1 |
1 |
Final Sınavı Hazırlığı |
0 |
0 |
0 |
Ara Sınav |
1 |
1 |
1 |
Ara Sınav Hazırlığı |
0 |
0 |
0 |
Kısa Sınav |
0 |
0 |
0 |
Kısa Sınav Hazırlığı |
0 |
0 |
0 |
TOPLAM |
52 |
0 |
152 |
|
Genel Toplam |
152 |
|
|
Toplam İş Yükü / 25.5 |
6 |
|
|
Dersin AKTS(ECTS) Kredisi |
6,0 |
|