| Ders Adı | Kodu | Yerel Kredi | AKTS | Ders (saat/hafta) | Uygulama (saat/hafta) | Laboratuar (saat/hafta) |
|---|---|---|---|---|---|---|
| Yapay Zeka | MTM4622 | 3 | 6 | 3 | 0 | 0 |
| Önkoşullar | Yok |
|---|
| Yarıyıl | Bahar |
|---|
| Dersin Dili | İngilizce, Türkçe |
|---|---|
| Dersin Seviyesi | Lisans |
| Dersin Türü | Seçmeli @ Matematik Mühendisliği Lisans Programı (İngilizce) |
| Ders Kategorisi | Temel Meslek Dersleri |
| Dersin Veriliş Şekli | Yüz yüze |
| Dersi Sunan Akademik Birim | Matematik Mühendisliği Bölümü |
|---|---|
| Dersin Koordinatörü | Birol Aslanyürek |
| Dersi Veren(ler) | Fatih Taşçı |
| Asistan(lar)ı |
| Dersin Amacı | Yapay zeka metodlarını öğretmek |
|---|---|
| Dersin İçeriği | Yapay zekaya giriş ve temel kavramlar, Zeki etmenler, Problem çözümü, Teorem geliştirme, Arama metodları, Oyunlar, Bilgi ve sonuç çıkarma, Mantıksal çıkarım Sistemleri, Genetik Algoritmalar,Yapay zekanın uygulama alanları: Uzman sistemler,Görüntü analizi, robotlar, bilgisayarlarla algılama, doğal dil işleme, konuşma tanıma. |
| Ders Kitabı / Malzemesi / Önerilen Kaynaklar |
|
| Opsiyonel Program Bileşenleri | Yok |
Ders Öğrenim Çıktıları
- Yapay Zeka metotlarıyla çözülebilecek problemleri tanımak ve çözmek
- Çözüm uzayının kavranması
- Yapay zeka algoritmalarının öğrenilmesi
- Prolog dili ve uygulamaları
Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları
| Hafta | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Yapay zekaya giriş ve temel kavramlar: Yapay zeka nedir? Yapay zekanın temel kavramları ve tarihçesi. | Kaynaklardaki ilgili bölüm |
| 2 | Zeki Etmenler( Intelligent Agent): Zeki etmenlere giriş, Zeki etmenlerin yapısı : etmen programlar, basit refleksli etmenler, hedef tabanlı etmenler, fayda tabanlı etmenler. | Kaynaklardaki ilgili bölüm |
| 3 | Problem çözümü: Problem çözen etmenler, Problemlerin formüle edilmesi, Arama staratejileri: genişlik öncelikli arama (Breadth-first search), derinlik öncelikli arama (Depth-first search), sezgisel arama, optimal arama, Arama staratejilerinin karşılaştırması | Kaynaklardaki ilgili bölüm |
| 4 | Bilgi arama metodları: Best-First search: Greedy search, A* search, Akıllı Tahmin Yapabilmek :Hearustic fonksiyonlar İteratif gelişme algoritmaları: Hill-climbing search, | Kaynaklardaki ilgili bölüm |
| 5 | Oyunlar: oyun ağaçları ve dönüşümlü arama, minimaks arama, alpha-beta indirgeme | Kaynaklardaki ilgili bölüm |
| 6 | Bilgi ve sonuç çıkarma: Bilgi tabanlı etmenler | Kaynaklardaki ilgili bölüm |
| 7 | Sıra öncelikli mantık | Kaynaklardaki ilgili bölüm |
| 8 | Bilgi tabanı oluşturmak | Kaynaklardaki ilgili bölüm |
| 9 | Arasınav | |
| 10 | Mantıksal çıkarım sistemleri | Kaynaklardaki ilgili bölüm |
| 11 | Genetik Algoritmalar | Kaynaklardaki ilgili bölüm |
| 12 | Doğal Dil İşleme | Kaynaklardaki ilgili bölüm |
| 13 | Doğal Dil İşleme (devam) | Kaynaklardaki ilgili bölüm |
| 14 | Algılama, Robotlar | Kaynaklardaki ilgili bölüm |
| 15 | Proje Sunumları | Kaynaklardaki ilgili bölüm |
| 16 | Final Sınavı |
Değerlendirme Sistemi
| Etkinlikler | Sayı | Katkı Payı |
|---|---|---|
| Devam/Katılım | ||
| Laboratuar | ||
| Uygulama | ||
| Arazi Çalışması | ||
| Derse Özgü Staj | ||
| Küçük Sınavlar/Stüdyo Kritiği | ||
| Ödev | ||
| Sunum/Jüri | ||
| Projeler | 1 | 30 |
| Seminer/Workshop | ||
| Ara Sınavlar | 1 | 30 |
| Final | 1 | 40 |
| Dönem İçi Çalışmaların Başarı Notuna Katkısı | ||
| Final Sınavının Başarı Notuna Katkısı | ||
| TOPLAM | 100 | |
AKTS İşyükü Tablosu
| Etkinlikler | Sayı | Süresi (Saat) | Toplam İşyükü |
|---|---|---|---|
| Ders Saati | 14 | 3 | |
| Laboratuar | |||
| Uygulama | |||
| Arazi Çalışması | |||
| Sınıf Dışı Ders Çalışması | 14 | 9 | |
| Derse Özgü Staj | |||
| Ödev | |||
| Küçük Sınavlar/Stüdyo Kritiği | |||
| Projeler | |||
| Sunum / Seminer | |||
| Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 2 | |
| Final (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 2 | |
| Toplam İşyükü : | |||
| Toplam İşyükü / 30(s) : | |||
| AKTS Kredisi : | |||
| Diğer Notlar | Yok |
|---|
