|
YBS4011 | Yapay Zeka | 3+0+0 | AKTS:4 | Yıl / Yarıyıl | Güz Dönemi | Ders Duzeyi | Lisans | Yazılım Şekli | Seçmeli | Bölümü | YÖNETİM BİLİŞİM SİSTEMLERİ BÖLÜMÜ | Ön Koşul | Yok | Eğitim Sistemi | Yüz yüze | Dersin Süresi | 14 hafta - haftada 3 saat teorik | Öğretim Üyesi | Dr. Öğr. Üyesi Fatih GÜRCAN | Diğer Öğretim Üyesi | | Öğretim Dili | Türkçe | Staj | Yok | | Dersin Amacı: | Bu dersin amacı öğrencilere yapay zeka alanını, yapay zekanın temel ilke ve yöntemlerini anlatarak tanıtmaktır. Başarılı öğrenciler, yapay zeka tekniklerinin nerede uygulanabileceğini belirlemek için sorunları analiz edebilecek ve yapay zeka çözümlerini uygulamak için gerekli becerilere sahip olacaktır. İşlenen konular arasında yapay zekanın kökenleri ve evrimi, hedefleri ve bunlara ulaşmak için kullanılan yöntemler ve güncel uygulamalar yer alacaktır. |
Öğrenim Kazanımları | PÖKK | ÖY | Bu dersi başarı ile tamamlayan öğrenciler : | | | ÖK - 1 : | Makine Öğrenmesi ve Derin Öğrenmesine ilişkin temel problemlere, uygulamalara ve çözüm tekniklerine hakim olmak | 2,4,8,10 | | ÖK - 2 : | Belirsizlik altında karar verme problemlerini modelleyebilmek | 2,4,8,10 | | ÖK - 3 : | Tam bağlantılı ve ardışık yapay sinir ağlarının pekiştirmeli öğrenme için nasıl kullanılabileceğini anlamak ve tasarlamak | 2,4,8,10 | | ÖK - 4 : | Öğrenme algoritmalarının eğitimi için optimizasyon algoritmaları ve keşif stratejilerine hakim olmak | 2,4,8,10 | | ÖK - 5 : | Öğrenme uygulamalarını bilgisayar ortamında gerçeklemek | 2,4,8,10 | | PÖKK :Program öğrenim kazanımlarına katkı, ÖY : Ölçme ve değerlendirme yöntemi (1: Yazılı Sınav, 2: Sözlü Sınav, 3: Ev Ödevi, 4: Laboratuvar Çalışması/Sınavı, 5: Seminer / Sunum, 6: Dönem Ödevi / Proje),ÖK : Öğrenim Kazanımı | |
Yapay zekaya giriş, Doğal ve Yapay Zeka, Turing Testi, Arama yöntemleri, Planlama, Sezgisel Problem Çözme, Makine Öğrenmesi, Kümeleme, Sınıflandırma ve Regresyon Teknikleri, Derin Öğrenme, Genetik Algoritmalar, Bulanık Mantık, Uzman Sistemler, Yapay Zeka Uygulamaları. |
|
Haftalık Detaylı Ders Planı | Hafta | Detaylı İçerik | Önerilen Kaynak | Hafta 1 | Yapay zekaya giriş | | Hafta 2 | Yapay zekanın tarihi ve temelleri | | Hafta 3 | Akıllı ajanlar | | Hafta 4 | Problem çözme | | Hafta 5 | Makine öğrenmesine giriş | | Hafta 6 | Kümeleme analizi ve teknikleri | | Hafta 7 | Sınıflandırma analizi ve teknikleri | | Hafta 8 | Regresyon analizi ve teknikleri | | Hafta 9 | Ara Sınav | | Hafta 10 | Bulanık Mantık | | Hafta 11 | Derin öğrenmeye giriş | | Hafta 12 | Yapay Sinir Ağları | | Hafta 13 | Evrişimsel Sinir Ağları | | Hafta 14 | Yinelenen Sinir Ağları | | Hafta 15 | Yapay zeka ve İşletme uygulamaları | | Hafta 16 | Dönem Sonu Sınavı | | |
1 | Vasif Nabiyev 2012, Yapay Zeka, 5. Baskı, Seçkin Yayınevi, Trabzon | | |
Ölçme Yöntemi | Yöntem | Hafta | Tarih | Süre (Saat) | Katkı (%) | Arasınav | 9 | 11/2023 | 1 | 50 | Dönem sonu sınavı | 16 | 01/2024 | 1 | 50 | |
Öğrenci Çalışma Yükü | İşlem adı | Haftalık süre (saat) | Hafta sayısı | Dönem toplamı | Yüz yüze eğitim | 3 | 14 | 42 | Sınıf dışı çalışma | 1 | 8 | 8 | Laboratuar çalışması | 1 | 8 | 8 | Arasınav için hazırlık | 2 | 8 | 16 | Arasınav | 1 | 1 | 1 | Uygulama | 2 | 14 | 28 | Proje | 1 | 10 | 10 | Dönem sonu sınavı için hazırlık | 2 | 14 | 28 | Dönem sonu sınavı | 1 | 1 | 1 | Toplam Çalışma Yükü | | | 142 |
|