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 mekatronik mühendisliği 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 |
Ön koşul bulunmamaktadır. |
| Dersin Koordinatörü |
Doç.Dr. İlker ORUÇ |
| Dersi Verenler |
Öğr.Gör. Dr. Ercan COŞGUN |
| Dersin Yardımcıları |
- |
| Staj Durumu |
Yok |
|
Dersin Kaynakları
| Kaynaklar |
ders notları |
| Notlar |
Ş.Sağıroğlu, E.Beşdok, M.Erler, Mühendislikte Yapay Zeka Uygulamaları, Ufuk Yayınevi, 2003Vasif 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 |
- |
| Ödev |
http://tbmyomekatronik.kirklareli.edu.tr/ |
|
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 |
% 40 |
| Kısa Sınav |
0 |
% 0 |
| Ödev |
0 |
% 0 |
| Devam |
0 |
% 0 |
| Uygulama |
0 |
% 0 |
| Proje |
0 |
% 0 |
| Yarıyıl Sonu Sınavı |
1 |
% 60 |
| Arazi Çalışması |
0 |
% 0 |
| Atölye Çalışması |
0 |
% 0 |
| Laboratuvar |
0 |
% 0 |
| Sunum/Seminer Hazırlama |
0 |
% 0 |
| Toplam |
2
|
% 100
|
|
| AKTS Hesaplama İçeriği |
| Etkinlik |
Sayısı |
Süresi (Saat) |
Toplam İş Yükü |
| Ders Süresi |
15 |
3 |
45 |
| Sınıf Dışı Ç. Süresi |
15 |
1 |
15 |
| Ödevler |
0 |
0 |
0 |
| Ara Sınavlar |
1 |
10 |
10 |
| Yarıyıl Sonu Sınavı |
1 |
20 |
20 |
| Kısa Sınav |
0 |
0 |
0 |
| |
90 | AKTS Kredisi : 3
|
|
Ders Konuları
| Hafta |
Konu |
Öğretim Yöntem ve Teknikleri |
Ön Hazırlık ve Dokümanlar |
| 1 |
Yapay zeka ve makine öğrenmesine giriş |
1: Anlatım, 2: Soru-Cevap, 3: Tartışma |
ders notu |
| 2 |
Makine öğrenmesi ve veri madenciliği |
1: Anlatım, 2: Soru-Cevap, 3: Tartışma |
ders notu |
| 3 |
Veri tabanlar ve ön işleme |
1: Anlatım, 2: Soru-Cevap, 3: Tartışma |
ders notu |
| 4 |
Öznitelik çıkartımı |
1: Anlatım, 2: Soru-Cevap, 3: Tartışma |
ders notu |
| 5 |
Veri tipleri ve ölçekler |
1: Anlatım, 2: Soru-Cevap, 3: Tartışma |
ders notu |
| 6 |
Sınıflandırma İşlemi |
1: Anlatım, 2: Soru-Cevap, 3: Tartışma |
ders notu |
| 7 |
Ara sınav |
Soru-Cevap |
ders notu |
| 8 |
Karar Ağaçları |
1: Anlatım, 2: Soru-Cevap, 3: Tartışma |
ders notu |
| 9 |
K-en yakın komşu algoritması |
1: Anlatım, 2: Soru-Cevap, 3: Tartışma |
|
| 10 |
Destek vektör makineleri |
1: Anlatım, 2: Soru-Cevap, 3: Tartışma |
ders notu |
| 11 |
Performans parametreleri |
ödev yapmak |
ders notu |
| 12 |
Öznitelik seçimi |
1: Anlatım, 2: Soru-Cevap, 3: Tartışma |
ders notu |
| 13 |
Bİlgisayar programı ile makine öğrenme algoritmasının gerçekleştirilmesi |
1: Anlatım, 2: Soru-Cevap, 3: Tartışma |
ders notu |
| 14 |
Bİlgisayar programı ile makine öğrenme algoritmasının gerçekleştirilmesi |
1: Anlatım, 2: Soru-Cevap, 3: Tartışma |
ders notu |
| 15 |
Yapay Sinir Ağları |
1: Anlatım, 2: Soru-Cevap, 3: Tartışma |
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 |
P14 |
|
Ö1 |
3 | 5 | 4 | 2 | 2 | 3 | 3 | 1 | 2 | 1 | 4 | 2 | 3 | 1 |
|
Ö2 |
3 | 5 | 4 | 2 | 2 | 3 | 3 | 1 | 2 | 1 | 4 | 2 | 3 | 1 |
|
Ö3 |
3 | 5 | 4 | 2 | 2 | 3 | 3 | 1 | 2 | 1 | 4 | 2 | 3 | 1 |
|
Ö4 |
3 | 5 | 4 | 2 | 2 | 3 | 3 | 1 | 2 | 1 | 4 | 2 | 3 | 1 |
|
Ö5 |
3 | 5 | 4 | 2 | 2 | 3 | 3 | 1 | 2 | 1 | 4 | 2 | 3 | 1 |
|
Katkı Düzeyi: 0:Yok 1:Çok Düşük 2:Düşük 3:Orta 4:Yüksek 5:Çok Yüksek
