YAPAY ZEKA VE MAKİNE ÖĞRENMESİ

Ders Genel Bilgileri

Ders Kodu AKTS T+U+L Kredi Ders Türü
ELN19231 3 2+0 2 Seçmeli
Ders Linki (Türkçe) :
Ders Linki (İngilizce) :
Dersin Dili Türkçe
Dersin Düzeyi Ön Lisans
Öğretim Türü Örgün Öğretim
Dersin Türü Seçmeli
Dersin Amacı 1. Yapay zekânın tanımı ve temel kavramların açıklanması. 2. Mühendislik Uygulamalarında sıkça kullanılan yapay zeka tekniklerinin incelenmesi. 3.Yapay zeka tekniklerinin Dünya üzerindeki uygulamalarının incelenmesi. 4. Makine öğrenmesine giriş.
Dersin İçeriği • Yapay Zekânın tanımı, temel kavramlar ve teknikler, Yapay Zekanın tarihçesi, Yapay Zekanın güncel uygulma örnekleri • Yapay Zeka Tekniklerinin Tanıtılması: Makine Öğrenmesi, Bulanık Mantık, Uzman Sistemler ile ilgili temel kavramlar, yapılar, bilgi-kural tabanı, çıkarım mekanizması, genetik algoritmalar, • Arama Algoritmaları: Temel arama, Min/Max • Arama Algoritmaları: A* and Sezgisel (Heuristics) arama • Bulanık mantığa giriş, temel kavramlar • Bulanık mantığın mekatronik mühendisliği uygulamaları • Makine Öğrenmesine Giriş: Gözetimli/Gözetimsiz ve Yarı-Gözetimli Öğrenmenin Tanımı • Düşen Eğim, Lineer/Çoklu Regresyon • Geri yayılımlı öğrenme algoritması • Yapay sinir ağları: Yapay sinir ağlarının yapısı ve temel elemanları, ilk yapay sinir ağları. RNN ve CNN tipi YSA tanıtımı • Yapay sinir ağı modelleri, geri beslemeli (backpropogation) ağlar • Olasılıksal Yoğunluk Fonksiyonu, Gauss Karışım Modeli • Bayesçi Karar Mekanizması • Pekiştirmeli Öğrenme ve Markov Karar Mekanizması’nın Tanıtılması
Dersin Ön Koşulları -
Dersin Koordinatörü -
Dersi Verenler Öğr. Gör. Ali Tuna DİNÇER
Dersin Yardımcıları -
Staj Durumu Yok

Dersin Kaynakları

Kaynaklar ders notları
Notlar Ş.Sağıroğlu, E.Beşdok, M.Erler, Mühendislikte Yapay Zeka Uygulamaları, Ufuk Yayınevi, 2003 Vasif Nabiyev, Yapay Zeka, Seçkin Yayınevi, 2010. Russell and Norvig, Artificial Intelligence - A Modern Approach, 3rd edition, Prentice Hall, 2009. Ethem Alpaydın, Yapay Öğrenme, Boğaziçi Üniversitesi Yayınevi, 3. Baskı, 2017
Ön Hazırlık ve Dokümanlar Öğretim Elemanı Ders Notları
Ödev -

Ders Yapısı

Matematik ve Temel Bilimler% 20
Mühendislik Bilimleri% 20
Mühendislik Tasarımı% 40
Sosyal Bilimler% 0
Eğitim Bilimleri% 0
Fen Bilimleri% 10
Sağlık Bilimleri% 0
Alan Bilgisi% 10
Değerlendirme Ölçütleri
Yarı Yıl Çalışmaları Sayısı Katkı
Ara Sınav 1 % 30
Kısa Sınav 1 % 20
Ödev 1 % 0
Devam 0 % 0
Uygulama 0 % 0
Proje 0 % 0
Yarıyıl Sonu Sınavı 1 % 50
Arazi Çalışması 0 % 0
Atölye Çalışması 0 % 0
Laboratuvar 0 % 0
Sunum/Seminer Hazırlama 0 % 0
Toplam 4 % 100
AKTS Hesaplama İçeriği
Etkinlik Sayısı Süresi (Saat) Toplam İş Yükü
Ders Süresi 14 2 28
Sınıf Dışı Ç. Süresi 14 2 28
Ödevler 0 0 0
Ara Sınavlar 1 10 10
Yarıyıl Sonu Sınavı 1 20 20
Kısa Sınav 0 0 0
  86 | AKTS Kredisi : 3

Ders Konuları

Hafta Konu Öğretim Yöntem ve Teknikleri Ön Hazırlık ve Dokümanlar
1 Yapay Zeka’ya Giriş Anlatım, soru-cevap. ders notu
2 Yapay Zeka’ya Giriş Anlatım, soru-cevap. ders notu
3 Problem Çözme ve Arama Algoritmaları Anlatım, soru-cevap. ders notu
4 Bilgi, Akıl Yürütme ve Mantıksal Çıkarım Anlatım, soru-cevap. ders notu
5 Bilgi, Akıl Yürütme ve Mantıksal Çıkarım Anlatım, soru-cevap. ders notu
6 Önermeler Mantığı Anlatım, soru-cevap. ders notu
7 Birinci Dereceden Yüklem Mantığı Anlatım, soru-cevap. ders notu
8 Ara Sınav Anlatım, soru-cevap. ders notu
9 Mantık Programlamanın Temelleri - -
10 Makina Öğrenmeye Giriş Anlatım, soru-cevap. ders notu
11 Kavram Öğrenme Anlatım, soru-cevap. ders notu
12 Karar Ağaçları ile Öğrenme Anlatım, soru-cevap. ders notu
13 Genetik Algoritmalar ve Genetik Programlama Anlatım, soru-cevap. ders notu
14 Yapay Sinir Ağları Anlatım, soru-cevap. ders notu
15 Destek Vektörleri ile Öğrenme Anlatım, soru-cevap. Ders notu

Dersin Öğrenme Çıktıları: Bu dersin başarılı bir şekilde tamamlanmasıyla öğrenciler şunları yapabileceklerdir:

# Açıklama
1 Uzman Sistemler, Bulanık mantık ve Genetik algoritmalar ile uygulama örnekleri açıklar.
2 Karar destek ve arama sistemlerini uygular.
3 Yapay sinir ağlarının yapısı ve temel elemanları açıklar.
4 ilk yapay sinir ağları, yapay sinir ağı modelleri, geri beslemeli ağları analiz eder.
5 Yapay zeka uygulamalarını günlük hayatta adapte eder.

Dersin Program Çıktılarına Katkısı

  P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P11 P12 P13
Ö1 4344333121320
Ö2 4344333121320
Ö3 3344333121320
Ö4 3344333121320
Ö5 4344333121320

Katkı Düzeyi: 0:Yok     1:Çok Düşük     2:Düşük     3:Orta     4:Yüksek     5:Çok Yüksek