BİLGİ PAKETİ / DERS KATALOĞU
| BİLGİSAYAR MÜHENDİSLİĞİ (YL) (TEZLİ) | |||||
|---|---|---|---|---|---|
| Kazanılan Yeterlilik | Program Süresi | Toplam Kredi (AKTS) | Öğretim Şekli | Yeterliliğin Düzeyi ve Öğrenme Alanı | |
| YÜKSEK LİSANS DERECESİ | 2 | 120 | ÖRGÜN |
TYÇ, TYYÇ, EQF-LLL, ISCED (2011):7. Düzey QF-EHEA:2. Düzey TYYÇ, ISCED (1997-2013): 48,52 |
|
Ders Genel Tanıtım Bilgileri
| Ders Kodu: | 3016002036 | ||||||||||
| Ders İsmi: | Yapay Zeka | ||||||||||
| Ders Yarıyılı: | Bahar | ||||||||||
| Ders Kredileri: |
|
||||||||||
| Öğretim Dili: | TR | ||||||||||
| Ders Koşulu: | |||||||||||
| Ders İş Deneyimini Gerektiriyor mu?: | Hayır | ||||||||||
| Ders İçin Önerilen Diğer Hususlar: | |||||||||||
| Dersin Türü: | Anabilim Dalı/Lisansüstü Seçmeli | ||||||||||
| Dersin Seviyesi: |
|
||||||||||
| Dersin Veriliş Şekli: | Yüz yüze | ||||||||||
| Dersin Koordinatörü: | Dr.Öğr.Üyesi Recep DURANAY | ||||||||||
| Dersi Veren(ler): | |||||||||||
| Dersin Yardımcıları: |
Dersin Amaç ve İçeriği
| Dersin Amacı: | Bu ders, modern araç ve teknikleri kullanarak Yapay Zekaya bir giriş sağlar. Akıllı bilgisayar sistemleri oluşturmak için geniş bir teori anlayışı ve temel teknikler ve Yapay Zekanın gerçek dünya sorunlarına nasıl uygulandığına dair bir anlayış sunar. |
| Dersin İçeriği: | "Yapay Zeka" kursu, yüksek lisans yapmakta olan öğrenciler için hazırlanmış yapay zeka alanına büyüleyici bir yolculuk sunuyor. Yapay Zeka, teknolojik gelişmelerin ön saflarında yer almakta ve makineleri insan zekasını taklit etme ve bilinçli kararlar verme konusunda güçlendirmektedir. 14 haftalık bir yarıyıla yayılan bu kurs, AI'daki temel ilke ve tekniklerin derinlemesine araştırılmasını sağlar. Yapay zekaya ve onun toplum üzerindeki etkisine girişle başlayan öğrenciler, problem çözme yöntemlerini ve arama algoritmalarını derinlemesine araştırır. Mantığı kullanarak bilgi temsilinin inceliklerini ortaya çıkarırlar ve olasılıksal akıl yürütme yoluyla belirsizlik alanını araştırırlar. Kurs ilerledikçe öğrenciler, denetimli ve denetimsiz öğrenme algoritmalarıyla pratik deneyim kazandıkları makine öğrenimi alanına girerler. Evrişimli ve tekrarlayan sinir ağlarının potansiyelini açığa çıkararak kendilerini sinir ağları ve derin öğrenme dünyasına kaptırırlar. Kurs, öğrencilere çevrelerinden öğrenebilen akıllı etmenler geliştirmek için araçlar sağlayarak pekiştirmeli öğrenmeyi daha da derinleştirir. NLP ve bilgisayar görüşü, öğrencilerin doğal dili ve görüntüleri analiz etmelerini ve işlemelerini sağlayarak merkezde yer alır. Robot biliminde yapay zeka alanını keşfetmekten etik hususlara ve ortaya çıkan trendlere kadar bu kurs, öğrencileri yapay zekanın yetenekleri ve zorlukları hakkında bütünsel bir anlayışla donatır. Yolculuk boyunca, uygulamalı projeler ve pratik alıştırmalar, öğrencilerin bilgilerini uygulamalarına ve son teknoloji yapay zeka uygulamaları geliştirmelerine olanak tanır. Kursun sonunda öğrenciler, akıllı sistemlerin çevremizdeki dünyayı şekillendirdiği bir geleceğe atılmaya hazırlanan yetenekli yapay zeka uygulayıcıları olarak ortaya çıkıyor. |
Öğrenme Kazanımları
Bu dersi başarıyla tamamlayabilen öğrenciler;
|
||||||||||||||||||||||||||||||||||||
Ders Akış Planı
| Hafta | Konu | Ön Hazırlık |
| 1) | Yapay Zekaya Giriş - AI ve uygulamalarına genel bakış - AI'nın tarihsel gelişimi - AI etiği ve toplumsal etki | Artificial Intelligence: A Modern Approach (AIMA), 4th Edition, Stuart J. Russell, Peter Norvig, Prentice Hall, 2020. http://aima.cs.berkeley.edu/ |
| 2) | Problem Çözme ve Arama Algoritmaları - Problem formülasyonu ve durum uzayı gösterimi - Bilgisiz arama algoritmaları: BFS, DFS - Sezgisel arama algoritmaları: A* Arama | Artificial Intelligence: A Modern Approach (AIMA), 4th Edition, Stuart J. Russell, Peter Norvig, Prentice Hall, 2020. http://aima.cs.berkeley.edu/ |
| 3) | Rakip Arama ve Oyun Oynama - Minimaks algoritması - Alfa-Beta Budama - Oyun oynayan temsilciler için değerlendirme işlevleri | Artificial Intelligence: A Modern Approach (AIMA), 4th Edition, Stuart J. Russell, Peter Norvig, Prentice Hall, 2020. http://aima.cs.berkeley.edu/ |
| 4) | Bilgi Temsili ve Mantık - Önermeler ve Yüklem Mantığı - Birinci Dereceden Mantığı kullanarak bilgi gösterimi - Mantıkta Çözünürlük ve Çıkarım | Artificial Intelligence: A Modern Approach (AIMA), 4th Edition, Stuart J. Russell, Peter Norvig, Prentice Hall, 2020. http://aima.cs.berkeley.edu/ |
| 5) | Belirsizlik ve Olasılıksal Akıl Yürütme - Bayes ağları - Bayes teoremini kullanarak olasılıksal çıkarım - Karar ağları ve fayda teorisi | Artificial Intelligence: A Modern Approach (AIMA), 4th Edition, Stuart J. Russell, Peter Norvig, Prentice Hall, 2020. http://aima.cs.berkeley.edu/ |
| 6) | Makine Öğrenimi Temelleri - Denetimli öğrenme ve denetimsiz öğrenme - Regresyon ve sınıflandırma algoritmaları - Makine öğrenimi modelleri için değerlendirme metrikleri | Artificial Intelligence: A Modern Approach (AIMA), 4th Edition, Stuart J. Russell, Peter Norvig, Prentice Hall, 2020. http://aima.cs.berkeley.edu/ |
| 7) | Sinir Ağları ve Derin Öğrenme - Sinir ağı mimarileri - Geri yayılım algoritması - Evrişimli Sinir Ağları (CNN'ler) ve Tekrarlayan Sinir Ağları (RNN'ler) | Artificial Intelligence: A Modern Approach (AIMA), 4th Edition, Stuart J. Russell, Peter Norvig, Prentice Hall, 2020. http://aima.cs.berkeley.edu/ |
| 8) | Ara Sınav | |
| 9) | Takviyeli Öğrenme - Markov Karar Süreçleri (MDP'ler) - Q-öğrenme ve Değer İterasyonu - Politika Gradyan yöntemleri | Artificial Intelligence: A Modern Approach (AIMA), 4th Edition, Stuart J. Russell, Peter Norvig, Prentice Hall, 2020. http://aima.cs.berkeley.edu/ |
| 10) | Doğal Dil İşleme (NLP) - Metin ön işleme ve simgeleştirme - Duygu analizi ve metin sınıflandırması - Makine çevirisi için diziden diziye modeller | Artificial Intelligence: A Modern Approach (AIMA), 4th Edition, Stuart J. Russell, Peter Norvig, Prentice Hall, 2020. http://aima.cs.berkeley.edu/ |
| 11) | Bilgisayarla Görü ve Görüntü İşleme - Görüntü özelliği çıkarma - Nesne algılama ve tanıma - Görüntü segmentasyonu ve görüntü oluşturma | Artificial Intelligence: A Modern Approach (AIMA), 4th Edition, Stuart J. Russell, Peter Norvig, Prentice Hall, 2020. http://aima.cs.berkeley.edu/ |
| 12) | Robotikte Yapay Zeka - Robot kinematiği ve hareket planlaması - Yerelleştirme ve Eşzamanlı Yerelleştirme ve Haritalama (SLAM) - Robotik kontrol için pekiştirmeli öğrenme | Artificial Intelligence: A Modern Approach (AIMA), 4th Edition, Stuart J. Russell, Peter Norvig, Prentice Hall, 2020. http://aima.cs.berkeley.edu/ |
| 13) | Yapay Zeka Etiği ve Gelecek Trendler - AI geliştirme ve dağıtımında etik hususlar - Endüstride ve araştırmada yapay zeka - Yapay Zeka alanında gelişen trendler | Artificial Intelligence: A Modern Approach (AIMA), 4th Edition, Stuart J. Russell, Peter Norvig, Prentice Hall, 2020. http://aima.cs.berkeley.edu/ |
| 14) | Final Sınavı Bu kurs içeriği, problem çözme ve arama algoritmalarından makine öğrenimine, derin öğrenmeye ve robot biliminde yapay zekaya kadar çok çeşitli yapay zeka konularını kapsar. Her hafta belirli yapay zeka alt alanlarına odaklanılarak öğrencilerin alanla ilgili kapsamlı bir anlayış kazanması sağlanır. Öğrencilere AI uygulamalarında pratik deneyim sağlamak için uygulamalı projeler ve pratik alıştırmalar kurs boyunca birleştirilir. |
Kaynaklar
| Ders Notları / Kitaplar: | Artificial Intelligence: A Modern Approach (AIMA), 4th Edition, Stuart J. Russell, Peter Norvig, Prentice Hall, 2020. http://aima.cs.berkeley.edu/ |
| Diğer Kaynaklar: | Artificial Intelligence: A Modern Approach (AIMA), 4th Edition, Stuart J. Russell, Peter Norvig, Prentice Hall, 2020. http://aima.cs.berkeley.edu/ |
Ders - Program Öğrenme Kazanım İlişkisi
| Ders Öğrenme Kazanımları | 1 |
2 |
3 |
4 |
5 |
||||
|---|---|---|---|---|---|---|---|---|---|
| Program Kazanımları | |||||||||
| 1) Bilgisayar Bilimi ve Mühendisliği alanında bilimsel araştırma yaparak geniş ve derin bilgilere ulaşma, değerlendirme, yorumlama ve uygulama becerisi. | |||||||||
| 2) Sınırlı ya da eksik bilgiyi kapatmak ve uygulamak için bilimsel yöntemleri kullanma ve farklı disiplinlerin bilgilerini bütünleştirme kabiliyeti. | |||||||||
| 3) Bilgisayar Bilimi ve Mühendisliği problemlerini kurgulayabilme, problemleri çözmek için yöntemler geliştirebilme ve çözümde yenilikçi yöntemler kullanabilme. | |||||||||
| 4) Yeni ve/veya orijinal fikirler ve algoritmalar geliştirme becerisi; sistem, bileşen veya süreç tasarımında yenilikçi çözümler geliştirmek. | |||||||||
| 5) Bilgisayar Mühendisliğinde uygulanan güncel teknikler ve yöntemler ve bunların kısıtları hakkında geniş bilgi sahibi olma kabiliyeti. | |||||||||
| 6) Analitik modelleme ve deneysel araştırma tasarlama ve uygulama, süreçte karşılaşılan karmaşık durumları çözme ve yorumlama becerisi. | |||||||||
| 7) Bir yabancı dili (İngilizce) en az Avrupa Dil Portföyü seviyesinde sözlü ve yazılı iletişimde kullanabilme kabiliyeti. | |||||||||
| 8) Çok disiplinli ekiplerde liderlik etme, karmaşık durumlara çözüm geliştirme ve sorumluluk alma kabiliyeti. | |||||||||
| 9) Toplumsal, yasal, etik ve ahlaki değerlerin bilincinde olmak ve bu değerler çerçevesinde araştırma ve uygulama çalışmaları yapabilmek. | |||||||||
| 10) Bilgisayar Bilimi ve Mühendisliği alanında yeni ve gelişmekte olan uygulamalar hakkında farkındalık ve bunları inceleme ve gerekirse öğrenme kabiliyeti. | |||||||||
Ders - Öğrenme Kazanımı İlişkisi
| Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
| Dersin Program Kazanımlarına Etkisi | Katkı Payı | |
| 1) | Bilgisayar Bilimi ve Mühendisliği alanında bilimsel araştırma yaparak geniş ve derin bilgilere ulaşma, değerlendirme, yorumlama ve uygulama becerisi. | 4 |
| 2) | Sınırlı ya da eksik bilgiyi kapatmak ve uygulamak için bilimsel yöntemleri kullanma ve farklı disiplinlerin bilgilerini bütünleştirme kabiliyeti. | 4 |
| 3) | Bilgisayar Bilimi ve Mühendisliği problemlerini kurgulayabilme, problemleri çözmek için yöntemler geliştirebilme ve çözümde yenilikçi yöntemler kullanabilme. | 4 |
| 4) | Yeni ve/veya orijinal fikirler ve algoritmalar geliştirme becerisi; sistem, bileşen veya süreç tasarımında yenilikçi çözümler geliştirmek. | 4 |
| 5) | Bilgisayar Mühendisliğinde uygulanan güncel teknikler ve yöntemler ve bunların kısıtları hakkında geniş bilgi sahibi olma kabiliyeti. | 3 |
| 6) | Analitik modelleme ve deneysel araştırma tasarlama ve uygulama, süreçte karşılaşılan karmaşık durumları çözme ve yorumlama becerisi. | 2 |
| 7) | Bir yabancı dili (İngilizce) en az Avrupa Dil Portföyü seviyesinde sözlü ve yazılı iletişimde kullanabilme kabiliyeti. | 3 |
| 8) | Çok disiplinli ekiplerde liderlik etme, karmaşık durumlara çözüm geliştirme ve sorumluluk alma kabiliyeti. | 4 |
| 9) | Toplumsal, yasal, etik ve ahlaki değerlerin bilincinde olmak ve bu değerler çerçevesinde araştırma ve uygulama çalışmaları yapabilmek. | 3 |
| 10) | Bilgisayar Bilimi ve Mühendisliği alanında yeni ve gelişmekte olan uygulamalar hakkında farkındalık ve bunları inceleme ve gerekirse öğrenme kabiliyeti. | 5 |
Öğrenme Etkinliği ve Öğretme Yöntemleri
| Beyin fırtınası /Altı şapka | |
| Bireysel çalışma ve ödevi | |
| Ders | |
| Grup çalışması ve ödevi | |
| Problem Çözme | |
| Proje Hazırlama |
Ölçme ve Değerlendirme Yöntemleri ve Kriterleri
| Yazılı Sınav (Açık uçlu sorular, çoktan seçmeli, doğru yanlış, eşleştirme, boşluk doldurma, sıralama) | |
| Ödev | |
| Uygulama | |
| Bireysel Proje | |
| Grup Projesi | |
| Sunum | |
| Raporlama |
Ölçme ve Değerlendirme
| Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
| Ödev | 1 | % 20 |
| Projeler | 1 | % 30 |
| Ara Sınavlar | 1 | % 20 |
| Yarıyıl/Yıl Sonu Sınavı | 1 | % 30 |
| Toplam | % 100 | |
| YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 70 | |
| YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 30 | |
| Toplam | % 100 | |
İş Yükü ve AKTS Kredisi Hesaplaması
| Aktiviteler | Aktivite Sayısı | Süre (Saat) | İş Yükü |
| Ders Saati | 14 | 3 | 42 |
| Proje | 1 | 50 | 50 |
| Ödevler | 1 | 70 | 70 |
| Ara Sınavlar | 1 | 3 | 3 |
| Toplam İş Yükü | 165 | ||