BİLGİ PAKETİ / DERS KATALOĞU
| BİLGİSAYAR MÜHENDİSLİĞİ (YL) (TEZLİ) (İNGİLİZCE) | |||||
| Yüksek Lisans | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF-LLL: 7. Düzey | ||
Ders Genel Tanıtım Bilgileri
| Ders Kodu: | 3017002051 | ||||||||
| Ders İsmi: | Special Topics in Artificial Intelligence | ||||||||
| Ders Yarıyılı: | Güz | ||||||||
| Ders Kredileri: |
|
||||||||
| Öğretim Dili: | EN | ||||||||
| Ders Koşulu: | |||||||||
| Ders İş Deneyimini Gerektiriyor mu?: | Hayır | ||||||||
| Dersin Türü: | Department Elective | ||||||||
| 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: | Aşağıdaki konularda bir anlayış kazandırmak; 1. Ham verileri analiz etmek ve kullanılabilir hale getirmek için uygun ön işleme yöntemlerini bulmak, 2. Arama, uzman sistemler, planlama ve bilgi gösterimi gibi AI'nın ana tekniklerinin yanı sıra evrişimli, tekrarlayan ve grafik sinir ağları, uzun kısa süreli bellek ve otomatik kodlayıcılar gibi Derin Öğrenme yöntemlerini tanıtmak, 3. Derin öğrenme yöntemlerinin optimizasyonu ve düzenlenmesinin matematiksel ilkelerini anlamak, 4. Yapay zekada çeşitli problemler için derin sinir ağları tasarlayabilme, 5. Çeşitli derin sinir ağı tekniklerini kullanarak öğrenme problemlerine çözümler uygulamak. |
| Dersin İçeriği: | Öğrenme Türleri • Aramaya Giriş • Algoritmaları Arama • Kural Tabanlı Uzman Sistemler • Bilgi temsili • Otomatik Planlama • Çok Katmanlı Algılayıcılar, İleri Beslemeli Sinir Ağları • Geri Yayılım, Aktivasyon Fonksiyonları, Kayıp Fonksiyonları, Optimizasyon Yöntemleri, Performans Metrikleri • Evrişimli Sinir Ağları • Tekrarlayan Sinir Ağları, Uzun kısa süreli bellek ağları • Otomatik Kodlayıcılar, Grafik Sinir Ağları, Aktarım Öğrenimi |
Öğrenme Kazanımları
Bu dersi başarıyla tamamlayabilen öğrenciler;
|
|||||||||||||||||||||||||||||||||
Ders Akış Planı
| Hafta | Konu | Ön Hazırlık |
| 1) | Giriş: Yapay Zeka Nedir? AI'nın Tarihi ve Arka Planı. Yapay Zeka Uygulamalar | Ders kitabı |
| 2) | Yapay Zeka Tekniklerinin Tanıtılması: Uzman Sistemler ve genetik algoritmalara giriş, temel kavramlar, yapılar, bilgi-kural tabanı, çıkarım mekanizması | Ders kitabı |
| 3) | Arama Algoritmalarına Giriş ve Temel Kavramlar | Ders kitabı |
| 4) | Arama Algoritmaları | Ders kitabı |
Kaynaklar
| Ders Notları / Kitaplar: | - Michael Negnevitsky, Artificial Intelligence: A Guide to Intelligent Systems, Addison Wesley - Stuart Russel, Peter Norvig, Artificial Intelligence: A Modern Approach, Pearson - Aston Zhang, et.al.: Dive Into Deep Learning Ethem Alpaydın, Yapay Öğrenme, Boğaziçi Üniversitesi Yayınevi, 3. Baskı, 2017 - Ian Goodfellow, Yoshua Bengio and Aaron Courville: Deep Learning, MIT Press - François Chollet: Deep Learning with Python, 2nd Ed. Manning Publications - Paul Deitel & Harvey Deitel: Python for Programmers with introductory AI case studies - Luca Pietro Giovanni Antiga, Thomas Viehmann, Eli Stevens: Deep Learning with Pytorch, Manning Publications - Sebastian Raschka, Hayden Liu, Vahid Mirjalili: Machine Learning with PyTorch and Scikit-Learn, Manning Publications. |
| Diğer Kaynaklar: | - Michael Negnevitsky, Artificial Intelligence: A Guide to Intelligent Systems, Addison Wesley - Stuart Russel, Peter Norvig, Artificial Intelligence: A Modern Approach, Pearson - Aston Zhang, et.al.: Dive Into Deep Learning Ethem Alpaydın, Yapay Öğrenme, Boğaziçi Üniversitesi Yayınevi, 3. Baskı, 2017 - Ian Goodfellow, Yoshua Bengio and Aaron Courville: Deep Learning, MIT Press - François Chollet: Deep Learning with Python, 2nd Ed. Manning Publications - Paul Deitel & Harvey Deitel: Python for Programmers with introductory AI case studies - Luca Pietro Giovanni Antiga, Thomas Viehmann, Eli Stevens: Deep Learning with Pytorch, Manning Publications - Sebastian Raschka, Hayden Liu, Vahid Mirjalili: Machine Learning with PyTorch and Scikit-Learn, Manning Publications. |
Ders - Program Öğrenme Kazanım İlişkisi
| Ders Öğrenme Kazanımları | 1 |
2 |
|||||||
|---|---|---|---|---|---|---|---|---|---|
| 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. | |
| 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. |
Öğrenme Etkinliği ve Öğretme Yöntemleri
| Ders | |
| Ödev |
Ölçme ve Değerlendirme Yöntemleri ve Kriterleri
| Yazılı Sınav (Açık uçlu sorular, çoktan seçmeli, doğru yanlış, eşleştirme, boşluk doldurma, sıralama) | |
| Ödev |
Ölçme ve Değerlendirme
| Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
| Ödev | 2 | % 30 |
| Ara Sınavlar | 1 | % 30 |
| Yarıyıl/Yıl Sonu Sınavı | 1 | % 40 |
| Toplam | % 100 | |
| YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 60 | |
| YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 40 | |
| Toplam | % 100 | |